python 机器学习-sklearn基本功能

sklearn 库共分六大部分：分类，回归，聚类，降维，模型选择，数据的预处理
分别展示如下：

分类任务

1. 最近邻算法（neighbors.NearestNeighbors）
2. 支持向量机（svm.SVC)
3. 朴素贝叶斯（naive_bayes.GaussianNB)
4. 决策树（tree.DecisionTreeClassifier)
5. 集成方法（ensemble.BaggingClassifier)
6. 神经网络（neural_network.MLPClassifier)

回归任务

1. 岭回归（linear_model.Ridge)
2. Lasso回归（linear_model.Lasso)
3. 弹性网络（linear_model.ElasticNet)
4. 最小角回归（linear_model.BayesianRidge)
5. 贝叶斯回归（linear_model.BayesianRidge)
6. 逻辑回归（linear_model.LogisticRegression)
7. 多项式回归（preprocessing.PolynomialFeatures)

聚类任务

1. K-means(cluster.KMeans)
2. AP聚类（cluster.AffinityPropagation)
3. 均值漂移（cluster.MeanShift)
4. 层次聚类（cluster.AgglomererativeClustering)
5. DBSCAN(cluster.DBSCAN)
6. BIRCH(cluster.Birch)
7. 谱聚类（cluster.SpectralClustering)

降维任务

1. 主成分分析（decomposition.PCA)
2. 截断SVD和LSA（decomposition.TruncatedSVD)
3. 字典学习（decomposition.SparseCoder)
4. 因子分析（decomposition.FactorAnalysis)
5. 独立成分分析（decomposition.FastICA)
6. 非负矩阵分解（decomposition.NMF)
7. LDA(decomposition.LatentDirichletAllocation