scikit-learn库

目录

1.使用sklearn转换器处理数据

1.1 sklearn提供的模块：

1.2 sklearn库的datasets模块集成了部分数据分析的经典数据集，常用数据集的加载函数和解释如下：

1.3.使用sklearn转换器进行数据预处理与降维

1.4.sklearn除了提供基本的特征变换函数外，还提供了降维算法（如PCA）、特征选择算法，这些算法的使用也是通过转换器的方式进行的。

2.构建并评价聚类模型

2.1 聚类分析

2.2.评价聚类模型

3.构建并评价分类模型

 3.1 sklearn库的常用分类算法：

3.2 评价分类模型：

4.构建并评价回归模型

4.1 常见的回归模型：

4.2 评价回归模型

---

参看《python数据分析与应用》

scikit-learn和tensorflow的区别：https://www.jianshu.com/p/0837b7c6ce10

Scikit-learn使用总结，不错的总结：https://www.jianshu.com/p/516f009c0875   

1.使用sklearn转换器处理数据

scikit-learn简称sklean整合了多种机器学习算法，使用方便。

1.1 sklearn提供的模块：

model_selection（模型选择模块）、preprocessing （数据预处理模块）、decompisition （特征分解模块），通过这3个模块能够实现数据的预处理与模型构建前的数据标准化、二值化、数据集的分割、交叉验证和PCA降维等工作。

1.2 sklearn库的datasets模块集成了部分数据分析的经典数据集，常用数据集的加载函数和解释如下：

https://blog.csdn.net/weixin_41571493/article/details/82709345

	数据集名称	调用方式	适用算法