Python 機器學習工具包SKlearn的安裝與使用

更新時間：2021年05月14日 15:36:26 作者：youcans

Sklearn（全稱 SciKit-Learn），是基于 Python 語言的機器學習工具包。本文將簡單的介紹SKlearn安裝與使用，想要入坑機器學習的同學可以參考下

1、SKlearn 是什么

　　Sklearn（全稱 SciKit-Learn），是基于 Python 語言的機器學習工具包。

　　Sklearn 主要用Python編寫，建立在 Numpy、Scipy、Pandas 和 Matplotlib 的基礎(chǔ)上，也用 Cython編寫了一些核心算法來提高性能。

　　Sklearn 包括六大功能模塊：

分類（Classification）：識別樣本屬于哪個類別，常用算法有 SVM（支持向量機）、nearest neighbors（最近鄰）、random forest（隨機森林）
回歸（Regression）：預(yù)測與對象相關(guān)聯(lián)的連續(xù)值屬性，常用算法有 SVR（支持向量機）、 ridge regression（嶺回歸）、Lasso
聚類（Clustering）：對樣本進行無監(jiān)督的自動分類，常用算法有 k-Means（k均值）、spectral clustering（特征聚類）、mean-shift（均值漂移）
數(shù)據(jù)降維（Dimensionality reduction）：減少相關(guān)變量維數(shù)，常用算法有 PCA（主成分分析）、feature selection（特征選擇）、non-negative matrix factorization（非負矩陣分解）
模型選擇（Model Selection）：比較，驗證，選擇參數(shù)和模型，常用模塊有 grid search（網(wǎng)格搜索）、cross validation（交叉驗證）、 metrics（度量）
數(shù)據(jù)處理（Preprocessing）：特征提取和歸一化，常用模塊有 preprocessing（預(yù)處理），feature extraction（特征提?。?/li>
這六個功能模塊涉及 4類算法，分類、回歸屬于監(jiān)督學習，聚類屬于非監(jiān)督學習。

　　官網(wǎng)地址：https://scikit-learn.org/

　　官方文檔中文版： https://www.scikitlearn.com.cn/

　　內(nèi)置數(shù)據(jù)集：https://scikit-learn.org/stable/datasets.html

2、SKlearn 的安裝

　　Sklearn 的安裝要求：Python 3.5 以上版本，需要安裝 NumPy、SciPy、Pandas 工具包的支持，部分內(nèi)容需要使用 Matplotlib、joblib 工具包。

　　pip 安裝命令：　　

pip3 install -U scikit-learn
pip3 install -U scikit-learn -i https://pypi.douban.com/simple

　　注意 Sklearn 建議安裝 Numpy+mkl，可以在網(wǎng)址http://www.lfd.uci.edu/~gohlke/pythonlibs/ 找到你需要的numpy+mkl版本，下載后 pip3安裝：

pip install numpy-1.11.1+mkl-cp27-cp27m-win_amd64.whl

3、SKlearn 內(nèi)置數(shù)據(jù)集

　　Sklearn 內(nèi)置了一些標準數(shù)據(jù)集可以用于練習和測試，都是經(jīng)常被引用的經(jīng)典問題，數(shù)據(jù)網(wǎng)址：https://scikit-learn.org/stable/datasets.html　　
　　Sklearn 標準數(shù)據(jù)集主要包括：

測試問題數(shù)據(jù)集

波士頓房價：Boston house prices dataset
鳶尾花問題：Iris plants dataset
糖尿病數(shù)據(jù)：Diabetes dataset
手寫數(shù)字的識別：Optical recognition of handwritten digits dataset
體能訓練：Linnerrud dataset
葡萄酒鑒別：Wine recognition dataset
威斯康星州癌癥診斷：reast cancer wisconsin (diagnostic) dataset

實際問題數(shù)據(jù)集

人臉數(shù)據(jù)：The Olivetti faces dataset
20個新聞文本數(shù)據(jù)：The 20 newsgroups text dataset
標記的人臉數(shù)據(jù)：The Labeled Faces in the Wild face recognition dataset
森林覆蓋類型：Forest covertypes
路透社新聞數(shù)據(jù)：RCV1 dataset
網(wǎng)絡(luò)入侵檢測數(shù)據(jù)：Kddcup 99 dataset
加州住房數(shù)據(jù)：California Housing dataset

4、Sklearn 數(shù)模筆記的計劃

　　粗略看看 Sklearn 的文檔，是一個功能強大和豐富的機器學習庫，遠遠超出了數(shù)學建模學習的范圍。
　　基于數(shù)模教學的目的，本系列主要對應(yīng)數(shù)模學習中的分類、聚類、降維問題，并不打算全面講解 Sklearn 的各種算法，而是以典型問題為例來介紹原理簡單、使用廣泛的基本方法，以便新手入門。