目錄1、SKlearn 是什么2、SKlearn 的安裝3、SKlearn 內(nèi)置數(shù)據(jù)集測試問題數(shù)據(jù)集實(shí)際問題數(shù)據(jù)集4、Sklearn 數(shù)模筆記的計(jì)劃1、SKlearn 是什么

Sklearn（全稱 SciKit-Learn），是基于 Python 語言的機(jī)器學(xué)習(xí)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(gè)類別，常用算法有 SVM（支持向量機(jī)）、nearest neighbors（最近鄰）、random forest（隨機(jī)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(jī)）、 ridge regression（嶺回歸）、Lasso 聚類（Clustering）：對樣本進(jìn)行無監(jiān)督的自動(dòng)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(fù)矩陣分解） 模型選擇（Model Selection）：比較，驗(yàn)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(yàn)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（特征提取） 這六個(gè)功能模塊涉及 4類算法，分類、回歸 屬于監(jiān)督學(xué)習(xí)，聚類屬于非監(jiān)督學(xué)習(xí)。

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-learnpip3 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(biāo)準(zhǔn)數(shù)據(jù)集可以用于練習(xí)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.htmlSklearn 標(biāo)準(zhǔn)數(shù)據(jù)集主要包括：

測試問題數(shù)據(jù)集 波士頓房價(jià)：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(xùn)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(shí)際問題數(shù)據(jù)集 人臉數(shù)據(jù)：The Olivetti faces dataset 20個(gè)新聞文本數(shù)據(jù)：The 20 newsgroups text dataset 標(biāo)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(jì)劃

粗略看看 Sklearn 的文檔，是一個(gè)功能強(qiáng)大和豐富的機(jī)器學(xué)習(xí)庫，遠(yuǎn)遠(yuǎn)超出了數(shù)學(xué)建模學(xué)習(xí)的范圍。基于數(shù)模教學(xué)的目的，本系列主要對應(yīng)數(shù)模學(xué)習(xí)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。

以上就是Python 機(jī)器學(xué)習(xí)工具包SKlearn的安裝與使用的詳細(xì)內(nèi)容，更多關(guān)于Python SKlearn的安裝與使用的資料請關(guān)注好吧啦網(wǎng)其它相關(guān)文章！