Scikit-learn

scikit-learn，简称sklearn，是一个免费开源Python库，主要用于机器学习。它是构建在scipy模块之上，具有各种分类、回归和聚类算法。

简介

时间轴

• 2007年6月，David Cournapeau 在Google夏日编程大赛中开发，项目名scikits.learn，名字来自“SciKit”（SciPy工具箱）。
• 2007年，同年Matthieu Brucher加入项目，并开始将其用作论文工作的一部分。
• 2010年，法国计算机科学与自动化研究所（INRIA）的 Fabian Pedregosa、Gael Varoquaux、Alexandre Gramfort 和 Vincent Michel 领导了该项目。
• 2010年2月1日，首次公开发布 Scikit-learn v0.1 beta
• 2018年9月，发布scikit-learn 0.20.0
• 2021年1月，发布scikit-learn 0.24

了解更多 >> scikit-learn：历史

安装

使用pip安装scikit-learn：

# 安装最新版本
pip install -U scikit-learn

# 查看安装的版本，位置等
pip show scikit-learn

了解更多 >> scikit-learn 文档：安装

基本

结构

SciPy包含多个子模块，如下：

子模块	类别	描述
sklearn.base	基础类和实用功能

了解更多 >> scikit-learn API：API参考

模型类型

分类

名称	模块	类	描述
K近邻分类 KNN	neighbors	KNeighborsClassifier	找到输入样本最近的K个样本，将该输入样本分类到K个样本中最多的分类。 导入：from sklearn.neighbors import KNeighborsClassifier
决策树分类	tree	DecisionTreeClassifier	导入from sklearn.tree import DecisionTreeClassifier
逻辑回归

回归

名称	模块	类	描述
线性回归 linear regression	linear_model	LinearRegression	使用普通最小二乘法。 导入模型： from sklearn.linear_model import LinearRegression
岭回归 ridge regression	linear_model	Ridge	导入模型： from sklearn.linear_model import Ridge

评估与优化

指标和评分

了解更多 >> scikit-learn 文档：指标和评分 - 量化预测的质量

模型保存

名称	描述	示例
pickle	Python的一个标准库，用于。
joblib	是一个Python中轻量级的管道工具。	#导出保存 from joblib import dump dump(clf, '文件名.joblib') #导入模型 from joblib import load clf = load('文件名.joblib')

了解更多 >> scikit-learn 文档：模型持久化

资源

官网

• scikit-learn 官网：https://scikit-learn.org
• scikit-learn 用户指南：https://scikit-learn.org/stable/user_guide.html
• scikit-learn 教程：https://scikit-learn.org/stable/tutorial/index.html
• scikit-learn 示例：https://scikit-learn.org/stable/auto_examples/index.html
• scikit-learn API：https://scikit-learn.org/stable/modules/classes.html
• scikit-learn的Github：https://github.com/scikit-learn/scikit-learn

相关教程

• apachecn.org：scikit-learn文档翻译
• 莫烦Python：Sklearn

相关文章

• 维基百科：Scikit-learn
• Github Blog：2018年机器学习Octoverse报告