一、SKlearn简介
Scikit-learn是一组简单有效的工具集，依赖于Python的NumPy，SciPy和matplotlib库。它提供了估计机器学习统计模型的功能，包括回归、分类和聚集模型，以及数据处理、数据降维和模型选择等功能，如表11-1所示
表11-1 Scikit-learn常用功能
在机器学习过程中，需要使用各种各样的数据集，因此Scikit-learn框架也提供一些常用的数据集
表11-2 Scikit-learn提供的常用数据集
二、SKlearn的主要功能
Scikit-learn的功能主要分为六大部分：分类 回归 聚类 数据降维 模型选择和数据预处理
1. 分类
分类是对给定对象指定所属类别。分类属于监督学习，常用于垃圾邮件检测、图像识别等场景中。常用的分类算法有支持向量机（SVM，Support Verctor Machine）、K-最邻近算法（KNN，K-NearestNeighbor）、逻辑回归（LR，Logistic Regression）、随机森林（RF，Random Forest）、决策树（Decision Tree）等
2. 回归
回归分析是一项预测性的建模技术。它的目的是通过建立模型研究因变量和自变量之间的显著关系，即多个自变量对因变量的影响强度，预测数值型的目标值。常用的回归方法主要有支持向量回归（SVR，Support VectorRegression），脊回归（Ridge Regression），Lasso回归（Lasso Regression），弹性网络（Elastic Net），最小角回归（LARS）、贝叶斯回归（Bayesian Regrssion）等
3. 聚类
聚类是自动识别具有相似属性的给定对象，并将其分组为集合。聚类属于无监督学习，常用于顾客细分、实验结果分组等场景中。主要的聚类方法主要有K-均值聚类（K-means）、谱聚类（Spectral Clustring）、均值偏移（Mean Shift）、分层聚类和基于密度的聚类（Density-Based Spatial Clustering of Applications with Noise，DBSCAN）等方法
4. 数据降维
数据降维是用来减少随机数量个数的方法，常用于可视化处理、效率提升的应用场景中。主要的降维技术有主成分分析（PCA，Principal Component Analysis）、非负矩阵分解（NMF，Non-negative Matrix Factorizatio）等方法
5. 模型选择
模型选择是对给定参数和模型的比较、验证和选择的方法。模型选择的目的是通过参数调整来提升精度。已实现的模块包括格点搜索，交叉验证和各种针对预测误差评估的度量函数
6. 数据预处理
现实世界的数据极易受噪声、缺失值和不一致数据的侵扰，因为数据库太大且多半来自于多个一众数据源。低质量的数据会导致低质量的数据分析与挖掘结果。数据预处理是提高数据质量的有效方法，主要包括数据清理（清除数据噪声并纠正不一致）、数据集成（将多个数据源合并成一致数据存储）、数据规约（通过聚集、删除冗余特征或聚类等方法降低数据规模）和数据变换（数据规范化）
创作不易 觉得有帮助请点赞关注收藏~~~
