python sklearn---模型选择

这节内容很详细齐全，跟着里面的思路走，差不多就能把sklearn的用法以及建模的套路弄懂。一边学习一边理解一边操作一起开始sklearn的学习吧~

sklearn介绍

scikit-learn是数据挖掘与分析的简单而有效的工具。 

依赖于NumPy， SciPy和matplotlib。

首先要知道的是sklearn中包含的主要功能有什么？

• classification 分类
• Regression 回归
• Clustering  聚类
• Dimensionality reduction 降维
• Model selection 模型选择
• Preprocessing 预处理

接着对上面的模块进行细分，看看主要的模块分类以及每个模块包含的内容：

• • sklearn.base: Base classes and utility function  基础实用函数
  • sklearn.cluster: Clustering     聚类
  • sklearn.cluster.bicluster: Biclustering  双向聚类
  • sklearn.covariance: Covariance Estimators  协方差估计
  • sklearn.model_selection: Model Selection  模型选择
  • sklearn.datasets: Datasets  数据集
  • sklearn.decomposition: Matrix Decomposition  矩阵分解
  • sklearn.dummy: Dummy estimators   虚拟估计
  • sklearn.ensemble: Ensemble Methods  集成方法
  • sklearn.exceptions: Exceptions and warnings 异常和警告
  • sklearn.feature_extraction: Feature Extraction  特征抽取
  • sklearn.feature_selection: Feature Selection  特征选择
  • sklearn.gaussian_process: Gaussian Processes  高斯过程
  • sklearn.isotonic: Isotonic regression  保序回归
  • sklearn.kernel_approximation: Kernel Approximation  核 逼近
  • sklearn.kernel_ridge: Kernel Ridge Regression  岭回归ridge
  • sklearn.discriminant_analysis: Discriminant Analysis 判别分析
  • sklearn.linear_model: Generalized Linear Models  广义线性模型
  • sklearn.manifold: Manifold Learning  流形学习
  • sklearn.metrics: Metrics   度量 权值
  • sklearn.mixture: Gaussian Mixture Models 高斯混合模型
  • sklearn.multiclass: Multiclass and multilabel classification  多等级标签分类
  • sklearn.multioutput: Multioutput regression and classification  多元回归和分类
  • sklearn.naive_bayes: Naive Bayes 朴素贝叶斯
  • sklearn.neighbors: Nearest Neighbors  最近邻
  • sklearn.neural_ne