二、Scikit-Learn简介

参考url:

https://jakevdp.github.io/PythonDataScienceHandbook/index.html

Scikit-Learn为各种常用机器学习算法提供了高效版本，因其干净、统一、管道命令式的API而独具特色，且其在线文档实用、完整。

1、Scikit-Learn的数据表示

　　Scikit-Learn认为数据表示最好的方法就是用数据表的形式。

　　1、数据表

　　　　基本的数据表就是二维网格数据，其中的每一行表示数据集中的每个样本，而列表示构成每个样本的相关特征。

　　　　

 　　　　其中的每行数据表示每朵被观察的鸢尾花，行数表示数据集中记录的鸢尾花总数

　　　　一般情况下，会将这个矩阵的行称为样本(samples)，行数记为n_samples。

　　　　其中的每列数据表示每个样本某个特征的量化值

　　　　一般情况下，会将矩阵的列称为特征(features)，列数记为n_features。

　　2、特征矩阵

　　　　　　数据表布局通过二维数组或矩阵的形式将信息清晰地表达出来，则把这类矩阵称为特征矩阵。

　　　　　　特征矩阵通常被简记为变量X，它是维度为[n_samples,n_features]的二维矩阵，通常可以用NumPy数组或Pandas的DataFrame来表示，不过Scikit-Learn也支持SciPy的稀疏矩阵。

　　　　　　样本(即每一行)通常是值数据集中的每个对象，是任何可以通过一组量化方法进行测量的实体。

　　　　　　特征(即每一列)通常是指每个样本都具有的某种量化观测值，一般情况下为实数，有时为布尔类型或离散值。

　　3、目标数组

　　　　　　一个标签或目标数组，通常简记为y。

　　　　　　目标数组一般是一维数组，其长度就是样本总数n_samples，通常都用一维的numpy数组或pandas的Series表示。

　　　　　　目标数组可以是连续的数值类型，也可以是离散的类型/标签。

　　　　　　区分目标数组的特征与特征矩阵中的特征列：

　　　　　　　　目标数组的特征通常是我们希望从数据中预测的量化结果，即y是统计学中的因变量。