自2007年發(fā)布以來，scikit-learn已經(jīng)成為Python重要的機(jī)器學(xué)習(xí)庫了，scikit-learn簡稱sklearn，支持包括分類，回歸，降維和聚類四大機(jī)器學(xué)習(xí)算法。還包括了特征提取，數(shù)據(jù)處理和模型評估者三大模塊。

sklearn是Scipy的擴(kuò)展，建立在Numpy和matplolib庫的基礎(chǔ)上。利用這幾大模塊的優(yōu)勢，可以大大的提高機(jī)器學(xué)習(xí)的效率。

sklearn擁有著完善的文檔，上手容易，具有著豐富的API，在學(xué)術(shù)界頗受歡迎。sklearn已經(jīng)封裝了大量的機(jī)器學(xué)習(xí)算法，包括LIBSVM和LIBINEAR。同時sklearn內(nèi)置了大量數(shù)據(jù)集，節(jié)省了獲取和整理數(shù)據(jù)集的時間。

一，sklearn官方文檔的內(nèi)容和結(jié)構(gòu)

1.1sklearn官方文檔的內(nèi)容

定義：針對經(jīng)驗(yàn)E和一系列的任務(wù)T和一定表現(xiàn)的衡量P，如果隨著經(jīng)驗(yàn)E的積累，針對定義好的任務(wù)T可以提高表現(xiàn)P，就說明機(jī)器具有學(xué)習(xí)能力。

庫的算法主要有四類：分類，回歸，聚類，降維。其中：

常用的回歸：線性、決策樹、SVM、KNN;集成回歸：隨機(jī)森林、Adaboost、GradientBoosting、Bagging、ExtraTrees

常用的分類：線性、決策樹、SVM、KNN，樸素貝葉斯;集成分類：隨機(jī)森林、Adaboost、GradientBoosting、Bagging、ExtraTrees

常用聚類：k均值(K-means)、層次聚類(Hierarchicalclustering)、DBSCAN

常用降維：LinearDiscriminantAnalysis、PCA

這個流程圖代表：藍(lán)色圓圈是判斷條件，綠色方框是可以選擇的算法，我們可以根據(jù)自己的數(shù)據(jù)特征和任務(wù)目標(biāo)去找一條自己的操作路線。

sklearn中包含眾多數(shù)據(jù)預(yù)處理和特征工程相關(guān)的模塊，雖然剛接觸sklearn時，大家都會為其中包含的各種算法的廣度深度所震驚，但其實(shí)sklearn六大板塊中有兩塊都是關(guān)于數(shù)據(jù)預(yù)處理和特征工程的，兩個板塊互相交互，為建模之前的全部工程打下基礎(chǔ)。

模塊preprocessing：幾乎包含數(shù)據(jù)預(yù)處理的所有內(nèi)容

模塊Impute：填補(bǔ)缺失值專用

模塊feature_selection：包含特征選擇的各種方法的實(shí)踐

模塊decomposition：包含降維算法

以上內(nèi)容為大家介紹了Python機(jī)器學(xué)習(xí)之sklearn庫，希望對大家有所幫助，如果想要了解更多Python相關(guān)知識，請關(guān)注IT培訓(xùn)機(jī)構(gòu):千鋒教育。