本文详细介绍了Python机器学习库Scikit-Learn（简称sklearn），它依赖于NumPy, SciPy, Pandas和Matplotlib。sklearn提供了六大任务模块：分类、回归、聚类、降维、模型选择和预处理。通过具体的代码示例展示了如何使用这些模块，包括RandomForestClassifier、LinearRegression、KMeans等。文章还提到了sklearn中万物皆估计器的概念，并提及了内置的数据集。"
126179809,12289042,Redis配置参数深度解析,"['Redis', '缓存系统', '数据库配置']
引言
Sklearn (全称 Scikit-Learn) 是基于 Python 语言的机器学习工具。它建立在 NumPy, SciPy, Pandas 和 Matplotlib 之上，里面的 API 的设计非常好，所有对象的接口简单，很适合新手上路。
在 Sklearn 里面有六大任务模块：分别是分类、回归、聚类、降维、模型选择和预处理，如下图从其官网的截屏。
要使用上述六大模块的方法，可以用以下的伪代码，注意 import 后面我用的都是一些通用名称，如 SomeClassifier, SomeRegressor, SomeModel，具体化的名称由具体问题而定，比如
-
SomeClassifier = RandomForestClassifier
-
SomeRegressor = LinearRegression
-
SomeModel = KMeans, PCA
-
SomeModel = GridSearchCV, OneHotEncoder
上面具体化的例子分别是随机森林分类器、线性回归器、K 均值聚类、主成分分析、网格追踪法、独热编码。
分类 (Classification)
-
from sklearn import SomeClassifier
最低0.47元/天 解锁文章
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
