文章來源：https://blog.csdn.net/algorithmPro/article/details/103045824

---

?

Sklearn (全稱 Scikit-Learn) 是基于 Python 語言的機器學習工具。它建立在 NumPy, SciPy, Pandas 和 Matplotlib 之上，里面的 API 的設計非常好，所有對象的接口簡單，很適合新手上路。

在 Sklearn 里面有六大任務模塊：分別是分類、回歸、聚類、降維、模型選擇和預處理，如下圖從其官網的截屏。

要使用上述六大模塊的方法，可以用以下的偽代碼，注意?import?后面我用的都是一些通用名稱，如?SomeClassifier,?SomeRegressor,?SomeModel，具體化的名稱由具體問題而定，比如

• SomeClassifier = RandomForestClassifier

• SomeRegressor =?LinearRegression

• SomeModel = KMeans, PCA

• SomeModel = GridSearchCV, OneHotEncoder

上面具體化的例子分別是隨機森林分類器、線性回歸器、K 均值聚類、主成分分析、網格追蹤法、獨熱編碼。

1.分類 (Classification)

from sklearn import SomeClassifier

from sklearn.linear_model import SomeClassifier

from?sklearn.ensemble?import?SomeClassifier

2.回歸 (Regression)

from sklearn import SomeRegressor

from?sklearn.linear_model?import?SomeRegressor

from?sklearn.ensemble?import?SomeRegressor

3.聚類 (Clustering)

from sklearn.cluster import SomeModel

4.降維 (Dimensionality Reduction)

from sklearn.decomposition import SomeModel

5.模型選擇 (Model Selection)

from sklearn.model_selection import SomeModel

6.預處理 (Preprocessing)

from sklearn.preprocessing import SomeModel

SomeClassifier,?SomeRegressor,?SomeModel?其實都叫做估計器 (estimator)，就像 Python 里「萬物皆對象」那樣，Sklearn 里「萬物皆估計器」。

?

此外，Sklearn 里面還有很多自帶數據集供，引入它們的偽代碼如下。

7.數據集 (Dataset)

from sklearn.datasets import SomeData

總結

以上是生活随笔為你收集整理的Python：Sklearn概述的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。