SKlearn簡介
scikit-learn，又寫作sklearn，是一個開源的基于python語言的機器學(xué)習(xí)工具包。它通過NumPy, SciPy和Matplotlib等python數(shù)值計算的庫實現(xiàn)高效的算法應(yīng)用，并且涵蓋了幾乎所有主流機器學(xué)習(xí)算法。
SKlearn官網(wǎng)鏈接：http://scikit-learn.org/stable/index.html
在工程應(yīng)用中，用python手寫代碼來從頭實現(xiàn)一個算法的可能性非常低，這樣不僅耗時耗力，還不一定能夠?qū)懗鰳?gòu)架清晰，穩(wěn)定性強的模型。更多情況下，是分析采集到的數(shù)據(jù)，根據(jù)數(shù)據(jù)特征選擇適合的算法，在工具包中調(diào)用算法，調(diào)整算法的參數(shù)，獲取需要的信息，從而實現(xiàn)算法效率和效果之間的平衡。而sklearn，正是這樣一個可以幫助我們高效實現(xiàn)算法應(yīng)用的工具包。
sklearn有一個完整而豐富的官網(wǎng)，里面講解了基于sklearn對所有算法的實現(xiàn)和簡單應(yīng)用。
常用模塊
sklearn中常用的模塊有分類、回歸、聚類、降維、模型選擇、預(yù)處理。
分類：識別某個對象屬于哪個類別，常用的算法有：SVM（支持向量機）、nearest neighbors（最近鄰）、random forest（隨機森林），常見的應(yīng)用有：垃圾郵件識別、圖像識別。
回歸：預(yù)測與對象相關(guān)聯(lián)的連續(xù)值屬性，常見的算法有：SVR（支持向量機）、 ridge regression（嶺回歸）、Lasso，常見的應(yīng)用有：藥物反應(yīng)，預(yù)測股價。
聚類：將相似對象自動分組，常用的算法有：k-Means、 spectral clustering、mean-shift，常見的應(yīng)用有：客戶細(xì)分，分組實驗結(jié)果。
降維：減少要考慮的隨機變量的數(shù)量，常見的算法有：PCA（主成分分析）、feature selection（特征選擇）、non-negative matrix factorization（非負(fù)矩陣分解），常見的應(yīng)用有：可視化，提高效率。
模型選擇：比較，驗證，選擇參數(shù)和模型，常用的模塊有：grid search（網(wǎng)格搜索）、cross validation（交叉驗證）、 metrics（度量）。它的目標(biāo)是通過參數(shù)調(diào)整提高精度。
預(yù)處理：特征提取和歸一化，常用的模塊有：preprocessing，feature extraction，常見的應(yīng)用有：把輸入數(shù)據(jù)（如文本）轉(zhuǎn)換為機器學(xué)習(xí)算法可用的數(shù)據(jù)。
安裝SKlearn
安裝最新版本
Scikit-learn需要：
Python（> = 2.7或> = 3.4），
NumPy（> = 1.8.2），
SciPy（> = 0.13.3）。
【注意】Scikit-learn 0.20是支持Python 2.7和Python 3.4的最后一個版本。Scikit-learn 0.21將需要Python 3.5或更高版本。
如果你已經(jīng)安裝了numpy和scipy，那么安裝scikit-learn的最簡單方法就是使用 pip或者canda
pip install -U scikit-learn
conda install scikit-learn
如果你尚未安裝NumPy或SciPy，你也可以使用conda或pip安裝它們。使用pip時，請確保使用binary wheels，并且不會從源頭重新編譯NumPy和SciPy，這可能在使用特定配置的操作系統(tǒng)和硬件（例如Raspberry Pi上的Linux）時發(fā)生。從源代碼構(gòu)建numpy和scipy可能很復(fù)雜（特別是在Windows上），需要仔細(xì)配置以確保它們與線性代數(shù)例程的優(yōu)化實現(xiàn)相關(guān)聯(lián)。為了方便，我們可以使用如下所述的第三方發(fā)行版本。
發(fā)行版本
如果你還沒有numpy和scipy的python安裝，我們建議你通過包管理器或通過python bundle安裝。它們帶有numpy，scipy，scikit-learn，matplotlib以及許多其他有用的科學(xué)和數(shù)據(jù)處理庫。
可用選項包括：Canopy和Anaconda適用于所有支持的平臺
除了用于Windows，Mac OSX和Linux的大量科學(xué)python庫之外，Canopy和Anaconda都提供了最新版本的scikit-learn。
Anaconda提供scikit-learn作為其免費發(fā)行的一部分。
【注意】pip和conda命令不要混用?。?！
要升級或卸載scikit-learn安裝了python或者conda你不應(yīng)該使用PIP命令。
升級scikit-learn：conda update scikit-learn
卸載scikit-learn：conda remove scikit-learn
使用pip install -U scikit-learn安裝或者使用pip uninstall scikit-learn卸載可能都沒有辦法更改有conda命令安裝的sklearn。
算法選擇
sklearn 實現(xiàn)了很多算法，面對這么多的算法，如何去選擇呢？其實選擇的主要考慮的就是需要解決的問題以及數(shù)據(jù)量的大小。sklearn官方提供了一個選擇算法的引導(dǎo)圖。
https://scikit-learn.org/stable/tutorial/machine_learning_map/index.html
這里提供翻譯好的中文版本，供大家參考：
