Python數模筆記-Sklearn（1） 介紹

一、SKlearn 是什麼

　　Sklearn（全稱 SciKit-Learn），是基於 Python 語言的機器學習工具包。

　　Sklearn 主要用Python編寫，創建在 Numpy、Scipy、Pandas 和 Matplotlib 的基礎上，也用 Cython編寫了一些核心算法來提升性能。

　　Sklearn 包括六大功能模塊：

• 分類（Classification）：識別樣本屬於哪一個類別，經常使用算法有 SVM（支持向量機）、nearest neighbors（最近鄰）、random forest（隨機森林）

• 迴歸（Regression）：預測與對象相關聯的連續值屬性，經常使用算法有 SVR（支持向量機）、 ridge regression（嶺迴歸）、Lasso

• 聚類（Clustering）：對樣本進行無監督的自動分類，經常使用算法有 k-Means（k均值）、spectral clustering（特徵聚類）、mean-shift（均值漂移）

• 數據降維（Dimensionality reduction）：減小相關變量維數，經常使用算法有 PCA（主成分分析）、feature selection（特徵選擇）、non-negative matrix factorization（非負矩陣分解）

• 模型選擇（Model Selection）：比較，驗證，選擇參數和模型，經常使用模塊有 grid search（網格搜索）、cross validation（交叉驗證）、 metrics（度量）

• 數據處理 （Preprocessing）：特徵提取和歸一化，經常使用模塊有 preprocessing（預處理），feature extraction（特徵提取）

  這六個功能模塊涉及 4類算法，分類、迴歸 屬於監督學習，聚類屬於非監督學習。

歡迎關注 Youcans 原創系列，每週更新數模筆記

Python數模筆記-PuLP庫
Python數模筆記-StatsModels統計迴歸
Python數模筆記-Sklearn
Python數模筆記-NetworkX
Python數模筆記-模擬退火算法

　　官網地址：https://scikit-learn.org/

　　官方文檔中文版： https://www.scikitlearn.com.cn/

　　內置數據集：https://scikit-learn.org/stable/datasets.html

---

二、SKlearn 的安裝

　　Sklearn 的安裝要求：Python 3.5 以上版本，須要安裝 NumPy、SciPy、Pandas 工具包的支持，部份內容須要使用 Matplotlib、joblib 工具包。

　　pip 安裝命令：
　　

pip3 install -U scikit-learn
pip3 install -U scikit-learn -i https://pypi.douban.com/simple

　　注意 Sklearn 建議安裝 Numpy+mkl，能夠在網址http://www.lfd.uci.edu/~gohlke/pythonlibs/ 找到你須要的numpy+mkl版本，下載後 pip3安裝：

pip install numpy-1.11.1+mkl-cp27-cp27m-win_amd64.whl

---

三、SKlearn 內置數據集

　　Sklearn 內置了一些標準數據集能夠用於練習和測試，都是常常被引用的經典問題，數據網址：https://scikit-learn.org/stable/datasets.html
　　
　　Sklearn 標準數據集主要包括：

• 測試問題數據集
  • 1. 波士頓房價：Boston house prices dataset
  • 2. 鳶尾花問題：Iris plants dataset
  • 3. 糖尿病數據：Diabetes dataset
  • 4. 手寫數字的識別：Optical recognition of handwritten digits dataset
  • 5. 體能訓練：Linnerrud dataset
  • 6. 葡萄酒鑑別：Wine recognition dataset
  • 7. 威斯康星州癌症診斷：reast cancer wisconsin (diagnostic) dataset
• 實際問題數據集
  • 1. 人臉數據：The Olivetti faces dataset
  • 2. 20個新聞文本數據：The 20 newsgroups text dataset
  • 3. 標記的人臉數據：The Labeled Faces in the Wild face recognition dataset
  • 4. 森林覆蓋類型：Forest covertypes
  • 5. 路透社新聞數據：RCV1 dataset
  • 6. 網絡入侵檢測數據：Kddcup 99 dataset
  • 7. 加州住房數據：California Housing dataset
       === 關注 Youcans，分享更多原創系列 https://www.cnblogs.com/youcans/ ===

---

四、Sklearn 數模筆記的計劃

　　粗略看看 Sklearn 的文檔，是一個功能強大和豐富的機器學習庫，遠遠超出了數學建模學習的範圍。
　　基於數模教學的目的，本系列主要對應數模學習中的分類、聚類、降維問題，並不打算全面講解 Sklearn 的各類算法，而是以典型問題爲例來介紹原理簡單、使用普遍的基本方法，以便新手入門。

---

版權說明：
YouCans 原創做品
Copyright 2021 YouCans, XUPT
Crated：2021-05-09

歡迎關注 Youcans 原創系列，每週更新數模筆記

Python數模筆記-PuLP庫（1）線性規劃入門
Python數模筆記-PuLP庫（2）線性規劃進階
Python數模筆記-PuLP庫（3）線性規劃實例
Python數模筆記-Scipy庫（1）線性規劃問題
Python數模筆記-StatsModels 統計迴歸（1）簡介
Python數模筆記-StatsModels 統計迴歸（2）線性迴歸
Python數模筆記-StatsModels 統計迴歸（3）模型數據的準備
Python數模筆記-StatsModels 統計迴歸（4）可視化
Python數模筆記-Sklearn （1）介紹
Python數模筆記-Sklearn （2）聚類分析
Python數模筆記-Sklearn （3）主成分分析
Python數模筆記-Sklearn （4）線性迴歸
Python數模筆記-Sklearn （5）支持向量機
Python數模筆記-NetworkX（1）圖的操做
Python數模筆記-NetworkX（2）最短路徑
Python數模筆記-NetworkX（3）條件最短路徑
Python數模筆記-模擬退火算法（1）多變量函數優化
Python數模筆記-模擬退火算法（2）約束條件的處理
Python數模筆記-模擬退火算法（3）整數規劃問題
Python數模筆記-模擬退火算法（4）旅行商問題