Python数据分析常见库介绍之Scikit-Learn

Scikit-Learn是Python下一个机器学习相关的库，它提供了强大的机器学习工具，包括数据预处理、分类、回归、聚类、预测和模型分析等。Scikit-Learn依赖于numpy、scipy和matplotlib，因此，需要提前安装这些库才能安装好Scikit-Learn，在Python里面，Scikit-Learn写作sklearn库。

创建一个机器学习的模型很简单，如下：

代码示例

所有模型提供的接口

model.fit()：训练模型，对于监督模型来说是fit(X,Y)，对于非监督模型是fit(X)。

监督模型提供的接口

model.predict(X_new)：预测新样本。

model.predict_proba(X_new)：预测概率，仅对某些模型有用（比如线性规划）。

model.score()：得分越高，fit越好。

非监督模型提供的接口

model.transform()：从数据中学到新的“基空间”。

model.fit_transform()：从数据中学到新的基并将这个数据按照这组“基”进行转换。

（上述内容参考于《Python数据分析与挖掘实战》一书）

数据集

Scikit-Learn库提供了许多数据集，包括：

代码示例

数据可视化

线性回归

Kmean聚类

上面只是简单介绍了两种算法，除去之外，Scikit-Learn库还提供了支持向量机，朴素贝叶斯等等多种机器学习算法。你能快速的调用库，并进行数据挖掘。

数据分析常见库的阶段就此结束了，我们基本掌握了数据分析最常使用的工具，在下一阶段，我们将开始进行数据探索。