ml课程：Sklearn工具库学习及相关案例代码

以下是我的学习笔记，以及总结，如有错误之处请不吝赐教。

本文主要介绍sklearn工具库相关使用，以及部分内容解释，最后有相关案例代码。

首先看一张图，这张图是构建机器学习系统的一般流程：

还记得之前的一篇文章中有一张sklearn机器学习模型选择流程的一张图与此类似：没看过的请看过来

最常用sklearn部分：

使用sklearn库我们最常用到的是三个部分，分别是：

1. scikit-learn Tutorials：主要是最基本的sklearn应用流程，以及示例

   

2. User Guide：导航页和算法指南，主要是引导你选择何种算法

   

3. API Reference，这个就是最重要的api页面，我们要调用任何api都可以在这里查到。它主要对应机器学习的几个流程：

• 数据预处理（preprocessing and normalizaiton）
• 特征抽取（feature extraction）
• 特征选择（feature selection）
• 各种模型算法
• 模型调优与超参数选择（model selection）
• 模型融合与增强（ensemble methods）
• 模型评估（metrics）

最基本用法：

• fit（拟合）
• transform（变换）
• fit_transform(拟合变换）
• predict（预测）
• predict_prob(预测概率）

如果你英文不是很好，这里还有贴心的中文api文档：scikit-learn 0.18 中文文档

最后，还是案例代码：欢迎关注我的github

---

To be continue.....