1、sklearn 是什么
sklearn（全称 scikit-learn），是基于 python 语言的机器学习工具包。
sklearn 主要用python编写，建立在 numpy、scipy、pandas 和 matplotlib 的基础上，也用 cython编写了一些核心算法来提高性能。
sklearn 包括六大功能模块：
- 分类（classification）：识别样本属于哪个类别，常用算法有 svm（支持向量机）、nearest neighbors（最近邻）、random forest（随机森林）
- 回归（regression）：预测与对象相关联的连续值属性，常用算法有 svr（支持向量机）、 ridge regression（岭回归）、lasso
- 聚类（clustering）：对样本进行无监督的自动分类，常用算法有 k-means（k均值）、spectral clustering（特征聚类）、mean-shift（均值漂移）
- 数据降维（dimensionality reduction）：减少相关变量维数，常用算法有 pca（主成分分析）、feature selection（特征选择）、non-negative matrix factorization（非负矩阵分解）
- 模型选择（model selection）：比较，验证，选择参数和模型，常用模块有 grid search（网格搜索）、cross validation（交叉验证）、 metrics（度量）
- 数据处理 （preprocessing）：特征提取和归一化，常用模块有 preprocessing（预处理），feature extraction（特征提取）
- 这六个功能模块涉及 4类算法，分类、回归 属于监督学习，聚类属于非监督学习。
官网地址：
官方文档中文版：
内置数据集：
2、sklearn 的安装
sklearn 的安装要求：python 3.5 以上版本，需要安装 numpy、scipy、pandas 工具包的支持，部分内容需要使用 matplotlib、joblib 工具包。
pip 安装命令：
pip3 install -u scikit-learn
pip3 install -u scikit-learn -i https://pypi.douban.com/simple
注意 sklearn 建议安装 numpy+mkl，可以在网址 找到你需要的numpy+mkl版本，下载后 pip3安装：
pip install numpy-1.11.1+mkl-cp27-cp27m-win_amd64.whl
3、sklearn 内置数据集
sklearn 内置了一些标准数据集可以用于练习和测试，都是经常被引用的经典问题，数据网址：
sklearn 标准数据集主要包括：
测试问题数据集
- 波士顿房价：boston house prices dataset
- 鸢尾花问题：iris plants dataset
- 糖尿病数据：diabetes dataset
- 手写数字的识别：optical recognition of handwritten digits dataset
- 体能训练：linnerrud dataset
- 葡萄酒鉴别：wine recognition dataset
- 威斯康星州癌症诊断：reast cancer wisconsin (diagnostic) dataset
实际问题数据集
- 人脸数据：the olivetti faces dataset
- 20个新闻文本数据：the 20 newsgroups text dataset
- 标记的人脸数据：the labeled faces in the wild face recognition dataset
- 森林覆盖类型：forest covertypes
- 路透社新闻数据：rcv1 dataset
- 网络入侵检测数据：kddcup 99 dataset
- 加州住房数据：california housing dataset
4、sklearn 数模笔记的计划
粗略看看 sklearn 的文档，是一个功能强大和丰富的机器学习库，远远超出了数学建模学习的范围。
基于数模教学的目的，本系列主要对应数模学习中的分类、聚类、降维问题，并不打算全面讲解 sklearn 的各种算法，而是以典型问题为例来介绍原理简单、使用广泛的基本方法，以便新手入门。
以上就是python 机器学习工具包sklearn的安装与使用的详细内容，更多关于python sklearn的安装与使用的资料请关注www.887551.com其它相关文章！
