Python 机器学习工具包SKlearn的安装与使用

Python 机器学习工具包 SKlearn 的安装与使用 Python 机器学习工具包 SKlearn 是基于 Python 语言的机器学习工具包，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、回归、聚类、数据降维、模型选择和数据处理。 1. 分类（Classification）： Sklearn 中的分类模块可以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）等。 2. 回归（Regression）：Sklearn 中的回归模块可以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 等。 3. 聚类（Clustering）：Sklearn 中的聚类模块可以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）等。 4. 数据降维（Dimensionality reduction）：Sklearn 中的数据降维模块可以减少相关变量维数，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）等。 5. 模型选择（Model Selection）：Sklearn 中的模型选择模块可以比较、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）等。 6. 数据处理（Preprocessing）：Sklearn 中的数据处理模块可以对数据进行特征提取和归一化，常用模块有 preprocessing（预处理）、feature extraction（特征提取）等。 Sklearn 的安装需要 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。可以使用 pip 安装 Sklearn，命令如下：pip3 install -U scikit-learn。 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：https://scikit-learn.org/stable/datasets.html。Sklearn 标准数据集主要包括测试问题数据集和实际问题数据集，测试问题数据集包括波士顿房价、鸢尾花问题、糖尿病数据、手写数字的识别、体能训练、葡萄酒鉴别、威斯康星州癌症诊断等，而实际问题数据集包括人脸数据、20 个新闻文本数据、标记的人脸数据、森林覆盖类型、路透社新闻数据、网络入侵检测数据、加州住房数据等。