scikit-learn从小白到菜鸟——学习指南

Q：这篇指南适用于那些读者？

A：
如题所说，是在机器学习方面的小白，但同时不能太白。首先得会用一点python（知道导入包、变量类型、条件控制、循环、数据类型、函数调用、列表、元组、字典、集合等）。其次得装好了scikit-learn包，以及相应的配套包（numpy、scipy、matplotlib）。最后的话，应当了解以i但机器学习的基础知识，比如分类、回归、聚类常用的算法的名字及其适用情况。

Q：作为一个小白，我应该从哪里下手？

A：
学习一个软件，不着急去看软件的各个按钮和模块，而应先了解这个软件所为之服务的工作的业务流程。

机器学习的大致流程都是：数据获取——数据预处理——选择学习算法——训练模型——模型优化——可视化等。

scikit-learn大体分成了六部分，其中clasification、regression、clustering都是主要的学习算法。demensionality reduction、preprocessing是用来数据预处理的。model selection则是用来做模型评估和优化的。

scikit-learn官网首页列出了各部分的一些模块：

图1

虽说训练算法只占了机器学习过程中20%甚至更少的时间，但是选择一个合适的算法毫无疑问是最重要的。怎样选择一个合适的算法？

scikit-learn作为一个成熟而功能强大的python机器学习库，提供了一个做机器学习工作时的参考流程。不废话，先贴张图：

图2

图片的地址在这里：机器学习工作参考流程图

上面的参考流程图告诉了作为小白的我们，不同数据大小、不同数据类型、不同任务目标的条件下我们应该选择那些算法（模块）。

数据预处理、选择学习算法、训练模型、模型优化等步骤都有相应的模块，但是没数据怎么办？scikit-learn为我们准备了一些小规模的数据集，全部在sklearn.datasets这个模块里。

（数据可视化先不管）这样我们就明确了机器学习的工作流程，同时我们也知道了我们应该学习哪些模块——图1和图2中的模块加起来，再学习一个datasets模块，就可以从小白迈向菜鸟。

Q：明确了学习任务后，怎样开始学习？

A：
scikit-learn官网有一个快速上手文章和一份简单教程，另外还有一份详细的用户手册和API手册。作为一个小白，只需要老老实实拿出笨功夫照着快速上手文章和简单教程练一遍，就能找到一点感觉。然后对照这上面俩图的模块，去用户手册那里弄懂这些模块即可。

什么？英语不好看不懂？那赶紧回去补啊！