python安装sklearn_1. Sklearn —— 简介+安装

1. 机器学习：

机器学习的方法(算法)包括:

a. 监督学习 supervised learning（神经网络就是监督学习）;

先教会机器某种知识，再让机器能够熟练运用该知识。（数据+标签）

b. 非监督学习 unsupervised learning;

c. 半监督学习 semi-supervised learning;

用少量有标签样本 + 大量无标签样本进行分类。

d. 强化学习 reinforcement learning;

从经验中总结提升。

把计算机丢到一个它自己完全陌生的环境，或者接手一个完成陌生的任务，让他自己尝试各种方法，完成后并能掌握该方法。（比如：Alphago）

e. 遗传算法 genetic algorithm.

类似于强化学习

弱者淘汰，强者生存。第一个版本失败，第二个版本保留第一个版本中的优点继续实验，失败了就丢弃第二个版本，继续第三个。

2. python中的模块——scikit learn

Scikit learn 也简称 sklearn, 是机器学习领域当中最知名的 python 模块之一.

sklearn是一个Python第三方提供的非常强力的机器学习库，它包含了从数据预处理到训练模型的各个方面。在实战使用scikit-learn中可以极大的节省我们编写代码的时间以及减少我们的代码量，使我们有更多的精力去分析数据分布，调整模型和修改超参。（sklearn为包名）

Sklearn 包含了很多种机器学习的方式:

a. Classification 分类

b. Regression 回归

c. Clustering 非监督分类

d. Dimensionality reduction 数据降维

e. Model Selection 模型选择

f. Preprocessing 数据预处理

基本概括

sklearn拥有可以用于监督和无监督学习的方法，一般来说监督学习使用的更多。sklearn中的大部分函数可以归为估计器(Estimator)和转化器(Transformer)两类。

a. 估计器(Estimator)其实就是模型，它用于对数据的预测或回归。基本上估计器都会有以下几个方法：

fit(x,y) :传入数据以及标签即可训练模型，训练的时间和参数设置，数据集大小以及数据本身的特点有关

score(x,y)用于对模型的正确率进行评分(范围0-1)。但由于对在不同的问题下，评判模型优劣的的标准不限于简单的正确率，可能还包括召回率或者是查准率等其他的指标，特别是对于类别失衡的样本，准确率并不能很好的评估模型的优劣，因此在对模型进行评估时，不要轻易的被score的得分蒙蔽。

predict(x)用于对数据的预测，它接受输入，并输出预测标签，输出的格式为numpy数组。我们通常使用这个方法返回测试的结果，再将这个结果用于评估模型。

b. 转化器(Transformer)用于对数据的处理，例如标准化、降维以及特征选择等等。同与估计器的使用方法类似:

fit(x,y) :该方法接受输入和标签，计算出数据变换的方式。

transform(x) :根据已经计算出的变换方式，返回对输入数据x变换后的结果（不改变x）

fit_transform(x,y) :该方法在计算出数据变换方式之后对输入x就地转换。

以上仅仅是简单的概括sklearn的函数的一些特点。sklearn绝大部分的函数的基本用法大概如此。但是不同的估计器会有自己不同的属性，例如随机森林会有Feature_importance来对衡量特征的重要性，而逻辑回归有coef_存放回归系数intercept_则存放截距等等。并且对于机器学习来说模型的好坏不仅取决于你选择的是哪种模型，很大程度上与你超参的设置有关。因此使用sklearn的时候一定要去看看官方文档，以便对超参进行调整。

3. 安装

a. pip 安装：

安装 Scikit-learn (sklearn) 最简单的方法就是使用 pip 安装它.

首先确认自己电脑中有安装

Python (>=2.6 或 >=3.3 版本)

Numpy (>=1.6.1)

Scipy (>=0.9)

如果还不确定如何安装 Numpy 请查看这个 安装 Numpy 教程. 如果能顺利安装 Numpy 那 Scipy 的安装就没有问题了.

然后找到你的 Terminal (MacOS or Linux), 或者 CMD (Windows). 输入以下语句:

# python 2+ 版本复制:

pip install -U scikit-learn

# python 3+ 版本复制:

pip3 install -U scikit-learn

b. Windows 注意事项

如果你是 Windows 用户, 你也可以选择使用 Anaconda 来安装所有 python 的科学计算模块. Anaconda的相关资料在这