sklearn庫的大概
網上有很多關於sklearn的學習教程，其實最好的就是官方文檔。
自2007年發佈以來，scikit-learn已經成爲Python重要的機器學習庫了，scikit-learn簡稱sklearn，支持包括分類，迴歸，降維和聚類四大機器學習算法。還包括了特徵提取，數據處理和模型評估者三大模塊。
sklearn是Scipy的擴展，建立在Numpy和matplolib庫的基礎上。利用這幾大模塊的優勢，可以大大的提高機器學習的效率。
sklearn擁有着完善的文檔，上手容易，具有着豐富的API，在學術界頗受歡迎。sklearn已經封裝了大量的機器學習算法，包括LIBSVM和LIBINEAR。同時sklearn內置了大量數據集，節省了獲取和整理數據集的時間。
所以sklearn在數據挖掘中成了一個最基本也是最常用的庫之一。
sklearn官方文檔的內容
定義：針對經驗E和一系列的任務T和一定表現的衡量P，如果隨着經驗E的積累，針對定義好的任務T可以提高表現P，就說明機器具有學習能力。
sklearn官方文檔結構
由圖中，可以看到庫的算法主要有四類：分類，迴歸，聚類，降維。其中：
- 常用的迴歸：線性、決策樹、SVM、KNN ；
- 集成迴歸：隨機森林、Adaboost、GradientBoosting、Bagging、ExtraTrees ；
- 常用的分類：線性、決策樹、SVM、KNN，樸素貝葉斯；
- 集成分類：隨機森林、Adaboost、GradientBoosting、Bagging、ExtraTrees
- 常用聚類：k均值（K-means）、層次聚類（Hierarchical clustering）、DBSCAN
- 常用降維：LinearDiscriminantAnalysis、PCA
這個流程圖代表：藍色圓圈是判斷條件，綠色方框是可以選擇的算法，我們可以根據自己的數據特徵和任務目標去找一條自己的操作路線。
sklearn中包含衆多數據預處理和特徵工程相關的模塊，雖然剛接觸sklearn時，大家都會爲其中包含的各種算法的廣度深度所震驚，但其實sklearn六大板塊中有兩塊都是關於數據預處理和特徵工程的，兩個板塊互相交互，爲建模之前的全部工程打下基礎。
使用sklearn進行簡單的數據挖掘
數據挖掘的步驟
數據挖掘通常包括數據採集，數據分析，特徵工程，訓練模型，模型評估等步驟。使用sklearn庫可以方便地進行特徵工程和模型訓練工作。
