[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_CSDN博客

本文网址： https://blog.csdn.net/HiWangWenBing/article/details/123119431

---

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 --- 算法工程

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 --- 特征工程

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

3.4 机器学习模型过程

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 documentationhttps://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 --- 算法工程

• 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 --- 特征工程

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。

3.4 机器学习模型过程

 

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_CSDN博客

本文网址：https://blog.csdn.net/HiWangWenBing/article/details/123119431