030. (8.4-8.5)Scikit-Learn 简介

Scikit-Learn 数据表布局

机器学习是从数据创建模型的学问，因此你首先需要了解怎样表示数据才能让计算机理解。Scikit-Learn 认为数据表示最好的方法就是用数据表的形式。

示例：

Scikit-Learn的评估器API

主要遵照的设计原则：

• 统一性：所有对象使用共同接口连接一组方法和统一的文档。

• 内省：所有参数值都是公共属性。

• 限制对象层级：只有算法可以用 Python 类表示。数据集都用标准数据类型（NumPy 数组、Pandas DataFrame、SciPy 稀疏矩阵）表示，参数名称用标准的 Python 字符串。

• 函数组合：许多机器学习任务都可以用一串基本算法实现，Scikit-Learn 尽力支持这种可能。

• 明智的默认值：当模型需要用户设置参数时，Scikit-Learn 预先定义适当的默认值

Scikit-Learn 中的所有机器学习算法都是通过评估器 API 实现的，它为各种机器学习应用提供了统一的接口。

模型超参数与验证

背景：