[机器学习与scikit-learn-2]：如何学习Scikit-learn

作者主页(​​文火冰糖的硅基工坊​​​)：​​文火冰糖（王文兵）的博客_文火冰糖的硅基工坊​

---

​目录​

​​第1章 Scikit-learn的中文学习网站​​

​​第2章 Scikit-learn待学习的对象​​

​​2.1 四大问题以及算法分类​​

​​2.2 算法模型选择：对于特定的现实问题，选择合适的模型​​

​​2.3 数据的预处理​​

​​第3章 Scikit-learn的学习方法​​

​​3.1 学习步骤​​

​​3.2 学习材料​​

​​3.3 学习方法​​

​​第4章 Scikit-learn的安装​​

​​4.1 前置条件​​

​​4.2 conda安装​​

​​4.3 pip3安装​​

---

第1章 Scikit-learn的中文学习网站

​（1）中文网站​

​​scikit-learn中文社区Scikit-learn（以前称为scikits.learn，也称为sklearn）是针对Python 编程语言的免费软件机器学习库。它具有各种分类，回归和聚类算法，包括支持向量机，随机森林，梯度提升，k均值和DBSCAN。Scikit-learn 中文文档由CDA数据科学研究院翻译，扫码关注获取更多信息。​​https://scikit-learn.org.cn/​​​

​（2）英文网站​

​​scikit-learn: machine learning in Python — scikit-learn 1.0.2 documentation​​https://scikit-learn.org/stable/​​​

第2章 Scikit-learn待学习的对象

​

​2.1 四大问题以及算法分类​

• 分类问题相关算法：把输入数据集，按照指定的类型进行分类。
• 聚类问题相关算法：把输入数据集，让机器自动发现数据的类型，并进行分类。
• 回归问题相关算法：用一个特定的曲线拟合数据集中的数据特征。
• 降维问题相关算法：降低输入数据集的维度，使得复杂问题简化。

​2.2 算法模型选择​：对于特定的现实问题，选择合适的模型

• ​模型初选：​针对特定的数据集和要解决的问题，从Scikit-learn支持的众多的模型中初步选择一个模型。
• ​模型训练：​用输入数据对模型进行训练
• ​模型评估：​对训练后的模型进行评估
• ​模型优化：​对训练后的模型进行超参数优化
• ​模型终选：​比较各种模型和优化结果，选择最终的模型

​2.3 数据的预处理​

在把数据送入到模型中进行训练前，需要对数据进行预处理

• ​数据的获取：​通过Scikit-learn提供的工具，从外部读取数据到内存，并按照期望的方式组织数据
• ​数据预处理：​对于读取的数据进行预处理，如过滤无效数据、对强化、变形等等
• ​特征的提取：​从数据中提取特征数据，这些特征数据作为模型的输入（而不是原始的数据）】
• ​特征的选择：​在众多提取的特征中，根据需要选择一定的特征数据，用于最终模型的训练。

第3章 Scikit-learn的学习方法

上面是学习Scikit-learn涉及到的三大方面，然而学习是一个过程，按照模型训练的过程来分，把Scikit-learn的学习分为如下的几个步骤

3.1 学习步骤

​

文字前面的数字，表明了​数据处理的通用过程​，也表明的​学习的顺序。​

​3.2 学习材料​

• 视频教学
• 官方网站
• 网络博客
• 示例代码

​3.3 学习方法​

• 应用场合分析
• 算法原理讲解
• 函数库接口使用
• 模型训练
• 项目实践

备注：

本系列主要学习Scikit-learn python库中每种算法模型的基本原理和​使用方法，其中使用方法是重点​，对于模型具体的代码实现，并不并本系列的重点。

第4章 Scikit-learn的安装

Scikit-learn是用python编写的库，因此，在学习Scikit-learn之前，需要先安装Scikit-learn， 

4.1 前置条件

• Python
• Anaconda
• Jupter Notebook

​4.2 conda安装​

# 安装
$ conda install scikit-learn


# 检查
$ conda list scikit-learn # 查看scikit-learn安装的位置及安装的版本
$ conda list # 查看所有在虚拟环境中已下载的包
$ python -c "import sklearn; sklearn.show_versions()"

​4.3 pip3安装​

# 安装
$ pip install -U scikit-learn


# 检查
$ python -m pip show scikit-learn # 查看scikit-learn安装的位置及安装的版本
$ python -m pip freeze # 查看所有在虚拟环境中已下载的包
$ python -c "import sklearn; sklearn.show_versions()"

---

作者主页(​​文火冰糖的硅基工坊​​​)：​​文火冰糖（王文兵）的博客_文火冰糖的硅基工坊​