Python机器学习⼯具包SKlearn的安装与使⽤
⽬录
1、SKlearn 是什么
2、SKlearn 的安装
3、SKlearn 内置数据集
测试问题数据集
实际问题数据集
4、Sklearn 数模笔记的计划
1、SKlearn 是什么
  Sklearn（全称 SciKit-Learn），是基于 Python 语⾔的机器学习⼯具包。
  Sklearn 主要⽤Python编写，建⽴在 Numpy、Scipy、Pandas 和 Matplotlib 的基础上，也⽤ Cython编写了⼀些核⼼算法来提⾼性能。
  Sklearn 包括六⼤功能模块：
分类（Classification）：识别样本属于哪个类别，常⽤算法有 SVM（⽀持向量机）、nearest neighbors（最近邻）、random forest（随机森林）
回归（Regression）：预测与对象相关联的连续值属性，常⽤算法有 SVR（⽀持向量机）、 ridge regression（岭回归）、Lasso
聚类（Clustering）：对样本进⾏⽆监督的⾃动分类，常⽤算法有 k-Means（k均值）、spectral clustering（特征聚类）、mean-shift（均值漂移）
数据降维（Dimensionality reduction）：减少相关变量维数，常⽤算法有 PCA（主成分分析）、feature selection（特征选择）、non-negative matrix factorization（⾮负矩阵分解）
模型选择（Model Selection）：⽐较，验证，选择参数和模型，常⽤模块有 grid search（⽹格搜索）、cross
validation（交叉验证）、 metrics（度量）
数据处理（Preprocessing）：特征提取和归⼀化，常⽤模块有 preprocessing（预处理），feature extraction（特征提取）
这六个功能模块涉及 4类算法，分类、回归属于监督学习，聚类属于⾮监督学习。
2、SKlearn 的安装
  Sklearn 的安装要求：Python 3.5 以上版本，需要安装 NumPy、SciPy、Pandas ⼯具包的⽀持，部分内容需要使⽤Matplotlib、joblib ⼯具包。
  pip 安装命令： 
pip install numpy-1.11.1+mkl-cp27-cp27m-win_amd64.whl
3、SKlearn 内置数据集
测试问题数据集
波⼠顿房价：Boston house prices dataset
鸢尾花问题：Iris plants dataset
糖尿病数据：Diabetes dataset
⼿写数字的识别：Optical recognition of handwritten digits dataset
体能训练：Linnerrud dataset
葡萄酒鉴别：Wine recognition dataset
威斯康星州癌症诊断：reast cancer wisconsin (diagnostic) dataset
实际问题数据集
⼈脸数据：The Olivetti faces dataset
20个新闻⽂本数据：The 20 newsgroups text dataset
标记的⼈脸数据：The Labeled Faces in the Wild face recognition dataset
森林覆盖类型：Forest covertypes
路透社新闻数据：RCV1 dataset
⽹络⼊侵检测数据：Kddcup 99 dataset
加州住房数据：California Housing dataset
4、Sklearn 数模笔记的计划
  粗略看看 Sklearn 的⽂档，是⼀个功能强⼤和丰富的机器学习库，远远超出了数学建模学习的范围。
  基于数模教学的⽬的，本系列主要对应数模学习中的分类、聚类、降维问题，并不打算全⾯讲解 Sklearn 的各种算法，⽽是以典型问题为例来介绍原理简单、使⽤⼴泛的基本⽅法，以便新⼿⼊门。
python安装教程非常详细
以上就是Python 机器学习⼯具包SKlearn的安装与使⽤的详细内容，更多关于Python SKlearn的安装与使⽤的资料请关注其它相关⽂章！

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。