一个关于Scikit-Learn的简明介绍：Python机器学习库
一个关于Scikit-Learn的简明介绍：Python机器学习库
一个关于Scikit-Learn的简明介绍：Python机器学习库
如果你是一个Python程序员，或者你正在寻找一个牛逼的库，使你可以应用机器学习到生产系统上，那么你会要认真考虑的库就是scikit-learn。在这篇文章中，你会得到一个scikit-learn库的概述和有用的参考。
它从哪里来？
Scikit-learn最初是由David Cournapeau在2007年的Google夏季代码项目开发的。
后来MatthieuBrucher加入了这个项目，并开始使用它作为他的论文工作的一部分。 2010年，INDIA参与其中，随后第一个公开（v0.1 beta）的版本于2010年1月下旬发布。
该项目现在有这超过30个的积极贡献者，并已经有来自INRIA，Google，Tinyclues和Python软件基金会为其捐赠。
什么是scikit-learn？
Scikit-learn通过Python中的统一接口提供了一系列监督和非监督学习算法。它根据许可的已简化BSD许可证进行授权，并分布在许多Linux发行版下，鼓励学术和商业使用。该库基于必须安装的SciPy（Scientific Python），然后才能使用scikit-learn。 这个堆栈包括：
- NumPy: Base n-dimensional array package
- SciPy: Fundamental library for scientific computing
- Matplotlib: Comprehensive 2D/3D plotting
- IPython: Enhanced interactive console
- Sympy: Symbolic mathematics
- Pandas: Data structures and analysis
用于SciPy的扩展或模块通常命名为SciKits。 因此，这个模块提供学习算法，并被命名为scikit-learn。这个库的愿景是拥有可在生产系统中应用的健壮程度和支持水平。这意味着要深入研究诸如易于使用，代码质量，协作，文档和性能等问题。
尽管接口是Python，但c库对用于数组和矩阵操作的numpy，LAPACK，LibSVM和不常使用的cython等性能都有影响。
有什么特点呢？
该库专注于数据建模。它不关心加载，操作和汇总数据。有关这些功能，请参阅NumPy和Pandas。
Scikit-learn提供的一些受欢迎的模型包括：
- Clustering（聚类）: 使用KMeans等技术聚类未标签数据.
- Cross Validation（交叉验证）: 估测监督模型下不可见数据的表示.
- Datasets（数据集）: 用于测试数据集和用于生成具有判别模型行为的特定属性的数据集.
- Dimensionality Reduction（降维）: 用于减少集合，可视化和特征选择（如主成分分析）的数据中的特征数量.
- Ensemble methods（集合方法）: 用于组合多个监督模型的预测.
- Feature extraction（特征抽取）: 用于定义图像和文本数据中的属性.
- Feature selection（特征选择）: 用于识别为创建监督模型的有意义的属性。
- Parameter Tuning（参数调节）: 获得最大输出的监督模型
- Manifold Learning（流形学习）: 用于总结和描述复杂的多维数据。
- Supervised Models（监督学习）:繁多的数组有着并不限于广义线性模型，判别分析，朴素贝叶斯，lazy方法，神经网络，支持向量机和决策树。
样例:分类和回归树
我想给你一个例子，告诉你使用这库有多么容易。在这个例子中，我们使用分类和回归（CART）决策树算法来模拟鸢尾花数据集。此数据集作为示例数据集与库一起提供并加载。用分类器拟合数据，然后对训练数据进行预测。最后，表示出分类精度和混淆矩阵。
# 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))运行此程序会生成以下输出，显示出已训练模型的详细信息。
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？
scikit-learn评价页面列出了Inria，Mendeley，wise.io，Evernote，TelecomParisTech和AWeber都是此库的用户。如果一个小公司表达出了他们的使用，那么很可能有几十到数百个更大的组织使用这个库了。它拥有着良好的测试和管理版本，适合原型机和生产项目。