机器学习相关-Python模块的介绍和使用---sklearn

前提： 

注意：这里主要介绍Scikit-learn模块的常用子模块
主要介绍是什么，不介绍怎么用

子模块1：sklearn.preprocessing

主要是数据预处理工作，示例：

from sklearn.preprocessing import StandardScaler,PowerTransformer

子模块2：sklearn.model_select

模型的选择和数据集的划分，示例：

from sklearn.model_selection import train_test_split,RandomizedSearchCV

子模块3：sklearn.decomposition

包含降维算法，如：主成分分析、因子分析、非负矩阵分解，示例：

from sklearn.decomposition import PCA   #主成分分析法

子模块4：sklearn.ensemble

包含集成算法，Bagging和Boosting算法，示例：

from sklearn.ensemble import StackingRegressor,RandomForestRegressor,AdaBoostRegressor,GradientBoostingRegressor

子模块5：sklearn.linear_model

包含线性模型，如岭回归，Lasso回归，示例：

from sklearn.linear_model import Ridge

子模块6：sklearn.metrics

包含模型评估的工具，用于计算分类、回归、聚类等任务的性能指标，示例：

from sklearn.metrics import mean_squared_error

子模块7：sklearn.cluster

包含聚类算法，如K-means、层次聚类等，示例：

from sklearn.cluster import KMeans

模块8：xgboost 

这个模块不是scikit-learn的子模块，而是和scikit-learn独立，示例：

import xgboost