三、机器学习基础知识：Python常用机器学习库（SKlearn）

1、Scikit learn简介

Scikit learn 的简称是 SKlearn，专门提供了 Python 中实现机器学习的模块。Sklearn 是一个简单高效的数据分析算法工具，建立在 NumPy、SciPy和 Matplotlib 的基础上。SKlearn 包含许多目前最常见的机器学习算法，例如分类、回归、聚类、数据降维，数据预处理等，每个算法都有详细的说明文档。
对于大多数机器学习，通常有以下四个数据集。

1. train_ data．训练数据集。
2. train target：训练数据的真实结果集。
3. test_data：测试数据集。
4. test_ target：测试数据集所对应的真实结果，用来检测预测的正确性。

用各算法解决问题时，也大都有两个共同的核心两数：训练函数fit()和测试函数predict()。

2、主要步骤

Sklearn针对机器学习的过程，提供了一个一般步骤，该步骤主要过程如下：

1. 获取数据，创建数据集。在Sklearn中提供了很多经典的数据集可以直接使用，通过Sklearn的datasets模块来使用里面的相关数据集，包括经典的鸢尾花数据集、波士顿房价数据集等。
2. 数据预处理。这一步骤专门针对数据进行预处理，使数据能够有效地被模型或者评估器识别。
3. 数据集拆分。该步骤主要将数据集拆分为训练数据集与验证数据集，训练集用于训练模型，验证集用于验证模型性能。
4. 训练模型。针对需要处理的问题，选择适当的模型并进行定义，同时使用训练数据集对定义好的模型进行训练。
5. 性能评估。使用相关的评估标准对训练好的模型性能进行评估。

3、数据预处理

在Sklearn的datasets模块提供了一些常见的数据集。

数据集	描述
datasets.fetch_california_housing	加利福尼亚住房数据集
datasets.fetch_lfw_people	有标签的人脸数据集
datasets.load_boston	波士顿房价数据集
datasets.load_breast_cancer	乳腺癌数据集
datasets.load_diabetes	糖尿病数据集
datasets.load_iris	鸢尾花数据集
datasets.load_wine	葡萄酒数据集

鸢尾花数据集的加载：

from sklearn.datasets import load_iris
import pandas as pd
iris_data = load_iris()
x=pd.DataFrame(iris_data.data)
print(x)   #输出鸢尾花数据集每条数据包含的属性数据值
y=iris_data.target
print(y)  #输出鸢尾花数据集的类别标签

葡萄酒数据集的加载：

from sklearn.datasets import load_wine
import pandas as pd
wine_data = load_wine()
x=pd.DataFrame