机器学习入门之 sklearn 介绍

[yoggieCDA]

SKlearn 简介

scikit-learn，又写作 sklearn，是一个开源的基于 python 语言的机器学习工具包。它通过 NumPy, SciPy 和 Matplotlib 等 python 数值计算的库实现高效的算法应用，并且涵盖了几乎所有主流机器学习算法。

SKlearn 官网链接： http://scikit-learn.org/stable/index.html

在工程应用中，用 python 手写代码来从头实现一个算法的可能性非常低，这样不仅耗时耗力，还不一定能够写出构架清晰，稳定性强的模型。更多情况下，是分析采集到的数据，根据数据特征选择适合的算法，在工具包中调用算法，调整算法的参数，获取需要的信息，从而实现算法效率和效果之间的平衡。而 sklearn，正是这样一个可以帮助我们高效实现算法应用的工具包。

sklearn 有一个完整而丰富的官网，里面讲解了基于 sklearn 对所有算法的实现和简单应用。

常用模块

sklearn 中常用的模块有分类、回归、聚类、降维、模型选择、预处理。

分类：识别某个对象属于哪个类别，常用的算法有：SVM （支持向量机）、nearest neighbors （最近邻）、random forest （随机森林），常见的应用有：垃圾邮件识别、图像识别。

回归：预测与对象相关联的连续值属性，常见的算法有：SVR （支持向量机）、ridge regression （岭回归）、Lasso，常见的应用有：药物反应，预测股价。

聚类：将相似对象自动分组，常用的算法有：k-Means、spectral clustering、mean-shift，常见的应用有：客户细分，分组实验结果。

降维：减少要考虑的随机变量的数量，常见的算法有：PCA （主成分分析）、feature selection （特征选择）、non-negative matrix factorization （非负矩阵分解），常见的应用有：可视化，提高效率。

模型选择：比较，验证，选择参数和模型，常用的模块有：grid search （网格搜索）、cross validation （交叉验证）、metrics （度量）。它的目标是通过参数调整提高精度。

预处理：特征提取和归一化，常用的模块有：preprocessing，feature extraction，常见的应用有：把输入数据（如文本）转换为机器学习算法可用的数据。

安装 SKlearn

安装最新版本

Scikit-learn 需要：

• Python （> = 2.7 或> = 3.4 ），
• NumPy （> = 1.8.2 ），
• SciPy （> = 0.13.3 ）。

[注意] Scikit-learn 0.20 是支持 Python 2.7 和 Python 3.4 的最后一个版本。Scikit-learn 0.21 将需要 Python 3.5 或更高版本。

如果你已经安装了 numpy 和 scipy，那么安装 scikit-learn 的最简单方法就是使用 pip或者canda

pip install -U scikit-learn

conda install scikit-learn

如果你尚未安装 NumPy 或 SciPy，你也可以使用 conda 或 pip 安装它们。使用 pip 时，请确保使用binary wheels，并且不会从源头重新编译 NumPy 和 SciPy，这可能在使用特定配置的操作系统和硬件（例如 Raspberry Pi 上的 Linux ）时发生。从源代码构建 numpy 和 scipy 可能很复杂（特别是在 Windows 上），需要仔细配置以确保它们与线性代数例程的优化实现相关联。为了方便，我们可以使用如下所述的第三方发行版本。

发行版本

如果你还没有 numpy 和 scipy 的 python 安装，我们建议你通过包管理器或通过 python bundle 安装。它们带有 numpy，scipy，scikit-learn，matplotlib 以及许多其他有用的科学和数据处理库。

可用选项包括：Canopy 和 Anaconda适用于所有支持的平台

除了用于 Windows，Mac OSX 和 Linux 的大量科学 python 库之外，Canopy和Anaconda都提供了最新版本的 scikit-learn。

Anaconda 提供 scikit-learn 作为其免费发行的一部分。

[注意] PIP 和 conda 命令不要混用！！！

要升级或卸载 scikit-learn 安装了 python 或者conda你不应该使用 PIP 命令。

升级scikit-learn：conda update scikit-learn

卸载scikit-learn：conda remove scikit-learn

使用pip install -U scikit-learn安装或者使用pip uninstall scikit-learn卸载可能都没有办法更改有 conda 命令安装的 sklearn。

算法选择

sklearn 实现了很多算法，面对这么多的算法，如何去选择呢？其实选择的主要考虑的就是需要解决的问题以及数据量的大小。sklearn 官方提供了一个选择算法的引导图。

https://scikit-learn.org/stable/tutorial/machine_learning_map/index.html

这里提供翻译好的中文版本，供大家参考：