1、SKlearn 是什么
Sklearn（全稱 SciKit-Learn），是基于 Python 語言的機(jī)器學(xué)習(xí)工具包。
Sklearn 主要用Python編寫，建立在 Numpy、Scipy、Pandas 和 Matplotlib 的基礎(chǔ)上，也用 Cython編寫了一些核心算法來提高性能。
Sklearn 包括六大功能模塊：
分類（Classification）：識別樣本屬于哪個類別，常用算法有 SVM（支持向量機(jī)）、nearest neighbors（最近鄰）、random forest（隨機(jī)森林）
回歸（Regression）：預(yù)測與對象相關(guān)聯(lián)的連續(xù)值屬性，常用算法有 SVR（支持向量機(jī)）、 ridge regression（嶺回歸）、Lasso
聚類（Clustering）：對樣本進(jìn)行無監(jiān)督的自動分類，常用算法有 k-Means（k均值）、spectral clustering（特征聚類）、mean-shift（均值漂移）
數(shù)據(jù)降維（Dimensionality reduction）：減少相關(guān)變量維數(shù)，常用算法有 PCA（主成分分析）、feature selection（特征選擇）、non-negative matrix factorization（非負(fù)矩陣分解）
模型選擇（Model Selection）：比較，驗證，選擇參數(shù)和模型，常用模塊有 grid search（網(wǎng)格搜索）、cross validation（交叉驗證）、 metrics（度量）
-
數(shù)據(jù)處理 （Preprocessing）：特征提取和歸一化，常用模塊有 preprocessing（預(yù)處理），feature extraction（特征提?。?/p>
這六個功能模塊涉及 4類算法，分類、回歸 屬于監(jiān)督學(xué)習(xí)，聚類屬于非監(jiān)督學(xué)習(xí)。
官網(wǎng)地址：https://scikit-learn.org/
官方文檔中文版： https://www.scikitlearn.com.cn/
內(nèi)置數(shù)據(jù)集：https://scikit-learn.org/stable/datasets.html
2、SKlearn 的安裝
Sklearn 的安裝要求：Python 3.5 以上版本，需要安裝 NumPy、SciPy、Pandas 工具包的支持，部分內(nèi)容需要使用 Matplotlib、joblib 工具包。
pip 安裝命令：
pip3 install -U scikit-learn
pip3 install -U scikit-learn -i https://pypi.douban.com/simple
注意 Sklearn 建議安裝 Numpy+mkl，可以在網(wǎng)址http://www.lfd.uci.edu/~gohlke/pythonlibs/ 找到你需要的numpy+mkl版本，下載后 pip3安裝：
pip install numpy-1.11.1+mkl-cp27-cp27m-win_amd64.whl
3、SKlearn 內(nèi)置數(shù)據(jù)集
Sklearn 內(nèi)置了一些標(biāo)準(zhǔn)數(shù)據(jù)集可以用于練習(xí)和測試，都是經(jīng)常被引用的經(jīng)典問題，數(shù)據(jù)網(wǎng)址：https://scikit-learn.org/stable/datasets.html
Sklearn 標(biāo)準(zhǔn)數(shù)據(jù)集主要包括：
- 測試問題數(shù)據(jù)集
- 波士頓房價：Boston house prices dataset
- 鳶尾花問題：Iris plants dataset
- 糖尿病數(shù)據(jù)：Diabetes dataset
- 手寫數(shù)字的識別：Optical recognition of handwritten digits dataset
- 體能訓(xùn)練：Linnerrud dataset
- 葡萄酒鑒別：Wine recognition dataset
- 威斯康星州癌癥診斷：reast cancer wisconsin (diagnostic) dataset
- 實(shí)際問題數(shù)據(jù)集
- 人臉數(shù)據(jù)：The Olivetti faces dataset
- 20個新聞文本數(shù)據(jù)：The 20 newsgroups text dataset
- 標(biāo)記的人臉數(shù)據(jù)：The Labeled Faces in the Wild face recognition dataset
- 森林覆蓋類型：Forest covertypes
- 路透社新聞數(shù)據(jù)：RCV1 dataset
- 網(wǎng)絡(luò)入侵檢測數(shù)據(jù)：Kddcup 99 dataset
- 加州住房數(shù)據(jù)：California Housing dataset
4、Sklearn 數(shù)模筆記的計劃
粗略看看 Sklearn 的文檔，是一個功能強(qiáng)大和豐富的機(jī)器學(xué)習(xí)庫，遠(yuǎn)遠(yuǎn)超出了數(shù)學(xué)建模學(xué)習(xí)的范圍。
基于數(shù)模教學(xué)的目的，本系列主要對應(yīng)數(shù)模學(xué)習(xí)中的分類、聚類、降維問題，并不打算全面講解 Sklearn 的各種算法，而是以典型問題為例來介紹原理簡單、使用廣泛的基本方法，以便新手入門。
版權(quán)說明：
YouCans 原創(chuàng)作品
Copyright 2021 YouCans, XUPT
Crated：2021-05-09
