sklearn浅析（一）——sklearn的组织结构

sklearn是基于numpy和scipy的一个机器学习算法库，设计的非常优雅，它让我们能够使用同样的接口来实现所有不同的算法调用。本文首先介绍下sklearn内的模块组织和算法类的顶层设计图。

三大模块

监督学习（supervised learning）

1.

• neighbors：近邻算法
• svm：支持向量机
• kernel-ridge：核——岭回归
• discriminant_analysis：判别分析
• linear_model：广义线性模型

2.

• ensemle：集成方法
• tree：决策树
• naive_bayes：朴素贝叶斯
• cross_decomposition：交叉分解
• gaussian_process：高斯过程

3.

• neural_network：神经网络
• calibration：概率校准
• isotonic：保序回归
• feature_selection：特征选择
• multiclass：多类多标签算法

以上的每个模块都包括多个算法，在调用时直接import即可，譬如：

from sklearn.svm import SVC
svc = SVC()

无监督学习（unsupervised learning）

1.

• decomposition：矩阵因子分解
• cluster：聚类
• manifold：流形学习
• mixture：高斯混合模型

2.

• neural_network：无监督神经网络
• density：密度估计
• covariance：协方差估计

使用方式同上。

数据变换

1.

• feature_extraction：特征抽取
• feature_selection：特征选择
• preprocess：预处理

2.

• random_projection：随机投影
• kernel_approximation：核逼近
• pipline：管道流（这个严格说不算是数据变换模块）

算法类的顶层设计图

• baseEstimator：所有评估器的父类
• ClassifierMixin：所有分类器的父类，其子类必须实现一个score函数
• RegressorMixin：所有回归器的父类，其子类必须实现一个score函数
• ClusterMixin：所有聚类的父类，其子类必须实现一个fit_predict函数
• BiClusterMixin：
• TransformerMixin：所有数据变换的父类，其子类必须实现一个fit_transform函数
• DensityMixin：所有密度估计相关的父类，其子类必须实现一个score函数
• MetaEsimatorMixin：可能是出于兼容性考虑，看名字就能知道，目前里面没有内容

我们以svm和cluster为例，介绍其继承关系图：

svm

        这里SVC即support vector classifier，SVR即support vector regression，svm既可以作为分类器，也可以作为回归器，所以，它们分别继承实现了ClassifierMixin和RegressorMixin。

cluster

        这里以MeanShift和KMeans为例，可以看到KMeans实现了TransformerMixin类，因此它有一个transform方法。

统一的API接口

        在sklearn里面，我们可以使用完全一样的接口来实现不同的机器学习算法，通俗的流程可以理解如下：

1. 数据加载和预处理
2. 定义分类器（回归器等等），譬如svc = svm.svc()
3. 用训练集对模型进行训练，只需调用fit方法，svc.fit(X_train, y_train)
4. 用训练好的模型进行预测：y_pred=svc.predict(X_test)
5. 对模型进行性能评估：svc.score(X_test, y_test)

        模型评估中，可以通过传入一个score参数来自定义评估标准，该函数的返回值越大代表模型越好。sklearn有一些预定义的score方法，这些方法名在sklearn.metrics.SCORERS中定义，调用时只需传入相应的字符串即可，可以通过如下方式获取到所有预定义的方法名：

from sklearn.metrics import SCORERS
for i in SCORERS.keys():
    print(i)

        从下一节开始，我们将进行sklearn机器学习算法的源码解读。

题外话：上面的ABCMeta是python中实现抽象类和接口机制的一个模块，ABC是Abstract Base Class的简写，由于python自身不提供抽象类和接口机制，因此需要借助它来实现。详情请自行百度。