Scikit-Learn的简介：Python机器学习库

如果你是一名Python程序员，或者你正在寻找一个强大的库，可以将机器学习运用到实际系统中，那么你要认真考虑一下scikit-learn。

在这篇文章中，您将了解scikit-learn整体情况，以及获取一些有用的相关参考资料，帮助你了解更多。

它是如何产生的？

Scikit-learn最初是由David Cournapeau在2007年的Google的“代码之夏”项目中开发而成。

后来Matthieu Brucher加入了这个项目，开始把它作为他论文工作的一部分。在2010年，INRIA也加入进来，紧接着第一个公开版本（v0.1 beta）于2010年1月下旬发布。

该项目现在有超过30个活跃的贡献者，并且已经获得了INRIA，Google，Tinyclues和Python软件基金会的赞助。

Scikit学习主页

什么是scikit-learn？

Scikit-learn通过定义统一的Python接口，实现了一系列有监督和无监督的学习算法。

它拥有简化的BSD许可，并在许多Linux发行版本下发布，鼓励学术和商业上的使用。

该库建立在SciPy（科学计算 Python）上，在使用scikit-learn之前必须安装它。科学计算Python包括：

• NumPy：基于n维数组包
• SciPy：科学计算的基础库
• Matplotlib：全面的2D / 3D绘图
• IPython：增强的交互式控制台
• Sympy：符号数学
• Pandas：数据结构和分析

SciPy相关的扩展或模块通常被称作为SciKits。本身而言，该模块提供了机器学习算法，便被命名为scikit-learn。

Scikit-learn库的愿景是有很高的稳健性，并为实际系统中的使用提供所需的支持。这意味着对于易用性，代码质量，协作，说明文档和性能等方面要深入关注。

虽然接口是Python，c语言库也被用于性能优化，比如用于数组和矩阵操作的numpy，LAPACK，LibSVM以及cython的使用。

需要Python的机器学习工具的帮助？

参加免费的为期两周的电子邮件课程，探索数据准备，算法和更多的知识（附带示例代码）。

现在点击注册，并获得免费的课程PDF电子书。

现在开始你的免费迷你课程！

有什么特点？

Scikit-learn专注于数据建模，而不是数据的加载，操作和汇总。有关这些功能，请参阅NumPy和Pandas。

从均值漂移聚类算法演示中截取的截图

scikit-learn提供的一些流行的模型包括：

• 聚类：用于分类未标记的数据，如KMeans。
• 交叉验证：用于估计监督模型在未知数据上的表现。
• 数据集：用于测试数据集和生成研究模型，具有特定属性的数据集。
• 降维：对于用于总结，可视化，和特征选择的数据，减少数据中的属性数量，如主成分分析。
• 集合方法：结合多个监督模型的预测结果。
• 特征提取：用于定义图像和文本数据中的属性。
• 特征选择：识别用于监督模型的有效属性。
• 参数调整：充分利用监督模型。
• 流形学习：用于总结和描述复杂的多维数据。
• 监督模型：多种的方法，包括广义线性模型，判别分析，朴素贝叶斯，懒惰模型，神经网络，支持向量机和决策树。

示例：分类和回归Tress

我想通过一个例子，说明这个库的易用性。

在这个例子中，我们使用分类和回归（CART）决策树算法来对鸢尾花数据集建模。

该数据集是库中提供，并加载的示例数据集。这个分类器使用这个数据，然后在训练数据基础上进行预测。

最后打印分类准确率和一个混淆矩阵。

Sample Decision Tree Classifier

from sklearn import datasets

from sklearn import metrics

from sklearn.tree import DecisionTreeClassifier

load the iris datasets

dataset = datasets.load_iris()

fit a CART model to the data

model = DecisionTreeClassifier()

model.fit(dataset.data, dataset.target)

print(model)

make predictions

expected = dataset.target

predicted = model.predict(dataset.data)

summarize the fit of the model

print(metrics.classification_report(expected, predicted))

print(metrics.confusion_matrix(expected, predicted))

运行这个例子会产生下面的输出，显示训练模型的细节，根据一些公共矩阵和模糊矩阵的进行建模的技巧。

DecisionTreeClassifier(class_weight=None, criterion='gini', max_depth=None,

            max_features=None, max_leaf_nodes=None, min_samples_leaf=1,

            min_samples_split=2, min_weight_fraction_leaf=0.0,

            presort=False, random_state=None, splitter='best')

             precision    recall  f1-score   support

          0       1.00      1.00      1.00        50

          1       1.00      1.00      1.00        50

          2       1.00      1.00      1.00        50

avg / total       1.00      1.00      1.00       150

[50  0  0

0 50  0

0  0 50]

谁在使用它？

该scikit学习推荐页面列出INRIA，Mendeley，wise.io，Evernote，Telocom ParisTech和AWeber作为库的使用者。

如果这仅仅是使用库的公司的一小部分，那么很可能有几十到几百倍多的大型组织也在使用scikit-learn。

它具有良好的测试覆盖率和管理的版本，对于原型和生产项目同样使用。

资源

如果您有兴趣了解更多信息，请查看包含文档和相关资源的Scikit-Learn主页。

您可以从github存储库获取代码，并且Sourceforge项目上的有历史发布的版本可以使用。

文档

我建议从快速入门教程开始，浏览用户指南和示例库找到您感兴趣的算法。

最终，scikit-learn是一个库，API参考将是完成任务的最佳文档。

• 快速入门教程 http://scikit-learn.org/stable/tutorial/basic/tutorial.html
• 用户指南http://scikit-learn.org/stable/user_guide.html
• API参考 http://scikit-learn.org/stable/modules/classes.html
• 示例库http://scikit-learn.org/stable/auto_examples/index.html

文章

如果您有兴趣了解更多关于项目的开始和愿景的信息，那么可以参考下面一些论文。

• Scikit-learn：Machine Learning in Python（2011）
• API design for machine learning software: experiences from the scikit-learn project（2013）

图书

如果你正在寻找一本好书，我推荐“Building Machine Learning Systems with Python

”。写作质量高，例子生动。

• Learning scikit-learn: Machine Learning in Python (2013)
• Building Machine Learning Systems with Python (2013)
• Statistics, Data Mining, and Machine Learning in Astronomy: A Practical Python Guide for the Analysis of Survey Data (2014)

对Python机器学习觉得灰心？

几分钟内开发你自己的模型

...只需几行scikit-learn代码

在我的新电子书了解：

用Python掌握机器学习

涵盖自学教程和端对端项目，如：

加载数据，可视化，建模，调优等等...

最后把机器学习运用到自己的项目中

不包括学术内容。仅仅是一些结论。

点击了解更多。