SciKit-learn轻松使用机器学习（1）Sklearn库初识

1. 引言：Why Sklearn？

1.1. scikit-learn 是基于 Python 语言的机器学习工具。

1. 简单高效的数据挖掘和数据分析工具；
2. 可供大家在多环境、跨平台中重复使用；
3. 建立在 NumPy ，SciPy 和 matplotlib 上；
4. 开源，可商业使用 - BSD许可证。

从上图不难发现，sklearn库的官方指南非常详细且简单明了，它一共包含6大部分，分别是：

• 分类Classification

• 回归regression

• 聚类Clustering

• 降维Dimension Reduction

• 模型选择Model selection

• 数据预处理Preprocessing

不难看出，sklearn和tf有很大区别。虽然sklearn中也有神经网络模块，但做严肃的、大型的深度学习是不可能依靠sklearn的。虽然tf也可以用于做传统的机器学习、包括清理数据，但往往事倍功半。

更常见的情况下，可以把sklearn和tf，甚至keras结合起来使用。sklearn肩负基本的数据清理任 务，keras用于对问题进行小规模实验验证想法，而tf用于在完整的的数据上进行严肃的调参(炼丹) 任务。

而单独把sklearn拿出来看的话，它的文档做的特别好，初学者跟着看一遍sklearn支持的功能大概 就对机器学习包括的很多内容有了基本的了解。举个简单的例子，sklearn很多时候对单独的知识点 有概述，比如简单的异常检测(2.7. Novelty and Outlier Detection)。因此，sklearn不仅仅是简单 的工具库，它的文档更像是一份简单的新手入门指南。 因此，以sklearn为代表的传统机器学习库（如瑞士军刀般的万能但高度抽象），和以tf为代表的自 由灵活更具有针对性的深度学习库（如乐高般高度自由但使用繁琐）都是机器学习者必须要了解的 工具。

 

---

1.2 scikit-learn 功能架构

• Classification分类

1. SVM支持向量机

2. k-最近邻

3. 随机森林等

• Regression回归

1. SVR等

• Clustering聚类

1. k-means等

• Dimensionality reduction降维

1. PCA
2. 特征选择等

• Model Selection模型选择
• Preprocessing数据、模型预处理

1. 预处理
2. 特征提取等

1.3 官方文档英/中

学习scikit-learn如同学习机器学习知识一般，理论知识、代码实现和可视化结果，有助于快速入门机器学习。

scikit-learn官方英文文档：https://scikit-learn.org/stable/index.html

考虑到英文文档阅读起来较为吃力，Github上目前已经更新了译者版本的中文文档，请查阅链接：

http://sklearn.apachecn.org/#/

---

2. SciKit-Learn学习路线

主要内容如下，另外，点击超链接即可传送至视频出处进行详细观看和学习。

• Sklearn 简介

  1. 1.1 机器学习 (Machine Learning)
  2. 1.2 Why Sklearn?
  3. 1.3 Sklearn 安装

• 一般使用

  1. 2.1 选择学习方法
  2. 2.2 通用学习模式
  3. 2.3 sklearn 强大数据库
  4. 2.4 sklearn 常用属性与功能

• 高级使用

  1. 3.1 正规化 Normalization
  2. 3.2 检验神经网络 (Evaluation)
  3. 3.3 交叉验证 1 Cross-validation
  4. 3.4 交叉验证 2 Cross-validation
  5. 3.5 交叉验证 3 Cross-validation
  6. 3.6 保存模型

3. 一般应用

3.1 选择学习方法

3.2 通用学习模式

 

3.3 sklearn 强大库函数

 

3.4 sklearn 常用属性与功能

 

 

---

4.  高级应用

4.1 正规化

 

4.2 检验神经网络

 

4.3 交叉验证

 

4.4 保存和加载模型