SKlearn簡介

scikit-learn，又寫作sklearn，是一個開源的基於python語言的機器學習工具包。它通過NumPy, SciPy和Matplotlib等python數值計算的庫實現高效的算法應用，並且涵蓋了幾乎所有主流機器學習算法。

SKlearn官網鏈接：http://scikit-learn.org/stable/index.html

在工程應用中，用python手寫代碼來從頭實現一個算法的可能性非常低，這樣不僅耗時耗力，還不一定能夠寫出構架清晰，穩定性強的模型。更多情況下，是分析采集到的數據，根據數據特征選擇適合的算法，在工具包中調用算法，調整算法的參數，獲取需要的信息，從而實現算法效率和效果之間的平衡。而sklearn，正是這樣一個可以幫助我們高效實現算法應用的工具包。

sklearn有一個完整而豐富的官網，裏面講解了基於sklearn對所有算法的實現和簡單應用。

常用模塊

sklearn中常用的模塊有分類、回歸、聚類、降維、模型選擇、預處理。

分類：識別某個對象屬於哪個類別，常用的算法有：SVM（支持向量機）、nearest neighbors（最近鄰）、random forest（隨機森林），常見的應用有：垃圾郵件識別、圖像識別。

回歸：預測與對象相關聯的連續值屬性，常見的算法有：SVR（支持向量機）、 ridge regression（嶺回歸）、Lasso，常見的應用有：藥物反應，預測股價。

聚類：將相似對象自動分組，常用的算法有：k-Means、 spectral clustering、mean-shift，常見的應用有：客戶細分，分組實驗結果。

降維：減少要考慮的隨機變量的數量，常見的算法有：PCA（主成分分析）、feature selection（特征選擇）、non-negative matrix factorization（非負矩陣分解），常見的應用有：可視化，提高效率。

模型選擇：比較，驗證，選擇參數和模型，常用的模塊有：grid search（網格搜索）、cross validation（交叉驗證）、 metrics（度量）。它的目標是通過參數調整提高精度。

預處理：特征提取和歸一化，常用的模塊有：preprocessing，feature extraction，常見的應用有：把輸入數據（如文本）轉換為機器學習算法可用的數據。

安裝SKlearn

安裝最新版本

Scikit-learn需要：

• Python（> = 2.7或> = 3.4），

• NumPy（> = 1.8.2），

• SciPy（> = 0.13.3）。

【註意】Scikit-learn 0.20是支持Python 2.7和Python 3.4的最後一個版本。Scikit-learn 0.21將需要Python 3.5或更高版本。

如果你已經安裝了numpy和scipy，那麽安裝scikit-learn的最簡單方法就是使用 pip或者canda

pip install -U scikit-learn

conda install scikit-learn

如果你尚未安裝NumPy或SciPy，你也可以使用conda或pip安裝它們。使用pip時，請確保使用binary wheels，並且不會從源頭重新編譯NumPy和SciPy，這可能在使用特定配置的操作系統和硬件（例如Raspberry Pi上的Linux）時發生。從源代碼構建numpy和scipy可能很復雜（特別是在Windows上），需要仔細配置以確保它們與線性代數例程的優化實現相關聯。為了方便，我們可以使用如下所述的第三方發行版本。

發行版本

如果你還沒有numpy和scipy的python安裝，我們建議你通過包管理器或通過python bundle安裝。它們帶有numpy，scipy，scikit-learn，matplotlib以及許多其他有用的科學和數據處理庫。

可用選項包括：Canopy和Anaconda適用於所有支持的平臺

除了用於Windows，Mac OSX和Linux的大量科學python庫之外，Canopy和Anaconda都提供了最新版本的scikit-learn。

Anaconda提供scikit-learn作為其免費發行的一部分。

【註意】pip和conda命令不要混用！！！

要升級或卸載scikit-learn安裝了python或者conda你不應該使用PIP命令。

升級scikit-learn：conda update scikit-learn

卸載scikit-learn：conda remove scikit-learn

使用pip install -U scikit-learn安裝或者使用pip uninstall scikit-learn卸載可能都沒有辦法更改有conda命令安裝的sklearn。

算法選擇

sklearn 實現了很多算法，面對這麽多的算法，如何去選擇呢？其實選擇的主要考慮的就是需要解決的問題以及數據量的大小。sklearn官方提供了一個選擇算法的引導圖。

https://scikit-learn.org/stable/tutorial/machine_learning_map/index.html

這裏提供翻譯好的中文版本，供大家參考：

機器學習入門之sklearn介紹