了解一下sklearn机器学习库

scikit-learn是一个Python第三方提供的非常强力的机器学习库，它包含了从数据预处理到训练模型的各个方面。sklearn在数据处理以及模型训练方面给我们提供了强大的函数命令，调用起来十分方便，在实战使用scikit-learn中可以极大的节省我们编写代码的时间以及减少我们的代码量，使我们有更多的精力去分析数据分布，调整模型和修改超参。

官方文档：http://scikit-learn.org/stable/

一、sklearn库的结构

sklearn库的算法主要有四类：分类，回归，聚类，降维。其中：

常用的回归：线性、决策树、SVM、KNN ；集成回归：随机森林、Adaboost、GradientBoosting、Bagging、ExtraTrees

常用的分类：线性、决策树、SVM、KNN，朴素贝叶斯；集成分类：随机森林、Adaboost、GradientBoosting、Bagging、ExtraTrees

常用聚类：k均值(K-means)、层次聚类、DBSCAN

常用降维：LDA、PCA

sklearn结构图

二、基本函数

sklearn中的大部分函数可以归为估计器(Estimator)和转化器(Transformer)两类。

估计器(Estimator)其实就是模型，它用于对数据的预测或回归。基本上估计器都会有以下几个方法：

fit(x,y) :传入数据以及标签即可训练模型，训练的时间和参数设置，数据集大小以及数据本身的特点有关

score(x,y)用于对模型的正确率进行评分(范围0-1)。但由于对在不同的问题下，评判模型优劣的的标准不限于简单的正确率，可能还包括召回率或者是查准率等其他的指标，特别是对于类别失衡的样本，准确率并不能很好的评估模型的优劣，因此在对模型进行评估时，不要轻易的被score的得分蒙蔽。

predict(x)用于对数据的预测，它接受输入，并输出预测标签，输出的格式为numpy数组。我们通常使用这个方法返回测试的结果，再将这个结果用于评估模型。

转化器(Transformer)用于对数据的处理，例如标准化、降维以及特征选择等等。同与估计器的使用方法类似:

fit(x,y) :该方法接受输入和标签，计算出数据变换的方式。

transform(x) :根据已经计算出的变换方式，返回对输入数据x变换后的结果（不改变x）

fit_transform(x,y) :该方法在计算出数据变换方式之后对输入x就地转换。

sklearn库中包含SVM、KNN、贝叶斯、线性回归、逻辑回归、决策树、随机森林、xgboost、GBDT、boosting、神经网络NN等多种算法模型，在使用中只需要简单的调用sklearn里的模块就可以实现大多数机器学习任务。

三、sklearn安装

scikit-learn的安装需要依赖NumPy，SciPy和matplotlib模块，所以在安装sklearn之前需要安装NumPy，SciPy库。

首先去网址（https://www.lfd.uci.edu/~gohlke/pythonlibs/#lxml）下载whl文件，即：

numpy‑1.14.5+mkl‑cp35‑cp35m‑win_amd64.whl

scipy‑1.1.0‑cp35‑cp35m‑win_amd64.whl

文件可根据自己python版本以及电脑系统选择相应的版本。

然后使用pip安装相应路径下文件即可：

欢迎关注