学习sklearn的一些收获

scikit-learn（sklearn）

     它是一个简单有效的数据挖掘和数据分析工具，可以在各种环境下重复使用，建立在numpy，scipy，matplotlib基础之上，对常用算法进行了封装，它的基本模块有数据预处理、数据降维、模型选择、分类、聚类、和回归6个。若对算法不精通，我们只需要简单调用库里的模块就可以执行建模任务。

datasets（sklearn自带的数据集，供用户学习，数据编列比较规范，可以使用data、target、feature_names、DESCR分别获取数据、标签、特征名、描述信息）

数据预处理

      

       model_selection（模型选择模块，提供了划分数据集train_test_split函数，正常数据量的时候将数据集分成训练集，测试集和验证集，典型的是0.5（训练）：0.25（测试）：0.25（验证），具体视实际出发，当数据量小的时候，采取K折交叉验证法（K-1:1轮流实验，将误差平方和的均值作为最优模型结构的依据）  

      precessing（数据预处理模块，提供了标准化函数来将数据标准化）

      decompisition（特征分解模块，提供降维函数来简化数据集特征维度）

train_test_split（）//划分数据集

参考教材中使用方式：

X_data_train,X_data_test,X_target_train,X_target_test =\ train_test_split(X_data,X_target,test_size=0.2,random_state=?) //将数据集X的数据和标签分为训练集和测试集

test_size:可以为浮点、整数或None，默认为None

①若为浮点时，表示测试集占总样本的百分比

②若为整数时，表示测试样本样本数

③若为None时，test size自动设置成0.25

train_size:可以为浮点、整数或None，默认为None

①若为浮点时，表示训练集占总样本的百分比

②若为整数时，表示训练样本的样本数

③若为None时，train_size自动被设置成0.75

random_state:可以为整数、RandomState实例或None，默认为None

①若为None时，每次生成的数据都是随机，可能不一样

②若为整数时，每次生成的数据都相同

stratify:可以为类似数组或None