本文只讲scikit-learn的基础使用，不涉及有关机器学习的理论基础。

本文只涉及scikit-learn在监督式学习上的使用，所以相关的描述可能有失全面，请谅解。

scikit-learn是什么？

scikit-learn是一个开源（BSD协议）的机器学习库。

scikit-learn是最为常用的机器学习库之一。

它基于NumPy、SciPy、Pandas和Matplotlib开发。

scikit-learn我使用的感觉比较爽，以致于其他的图我暂时就不学了，我非常推荐scikit-learn。

scikit-learn特点

• 好用的数据集

scikit-learn自带了很多著名的数据集，可以直接用来教和学。

比如鸢尾花、波士顿房价数据集。

• 好用的一致性

对于各种机器学习算法，scikit-learn提供的API具有很高的一致性，对学习特别友好，容易一通百通。

• 好用的示例代码

scikit-learn提供了大量的示例代码。

快速开始

安装

如果你安装了Anaconda，那么scikit-learn已经在Anaconda中自带，不用再安装。

手动安装scikit-learn也很简单：

执行以下命令：

pip install scikit-learn

也可以指定镜像来安装，比如指定清华镜像：

pip install scikit-learn -i https://pypi.tuna.tsinghua.edu.cn/simple

代码示例

阅读以下代码，将其跑起来感受一下就差不多了。

import numpy as np
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression

# 直接从 scikit-learn 载入波士顿房价数据集
X, y = load_boston(return_X_y=True)

# 数据集切分：70% 用于训练，30% 用于测试
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)

# 使用训练集来训练（拟合）
LR = LinearRegression().fit(X_train, y_train)
w = np.insert(LR.coef_, 0, LR.intercept_, axis=0)
with np.printoptions(precision=3, suppress=True):  # 设置输出格式
    print(f'w = {w}')

# 使用验证集来验证
acc = LR.score(X_test, y_test)
print(f"acc={acc}")

运行结果：

w = [ 37.937  -0.121   0.044   0.011   2.511 -16.231   3.859  -0.01   -1.5
   0.242  -0.011  -1.018   0.007  -0.487]
acc=0.6733825506400193

代码解释

线性回归的对应的超平面函数为：

$y=\boldsymbol{w}^\mathrm{T}\boldsymbol{x}=w_0+w_1x_1+w_2x_2+\cdots+w_nx_n$

LR.coef_对应的是$w_1$，$w_2$，...，$w_n$，LR.intercept_对应的是$w_0$。

好用的数据集

链接：scikit-learn数据集

scikit-learn自带的数据集通过是sklearn.datasets导入。

scikit-learn可导入三种数据集：

• 打包好的数据集。这些数据是随scikit-learn安装时，存储在本地的，通常数据量较小。这种数据集用sklearn.dataset.load_*的方式导入。
• 分流下载的数据：这些数据本地没有，导入时才去下载。这种数据集用sklearn.datasets.fetch_*方式导入（获取）。
• 随机生成数据：用sklearn.datasets.make_*导入（生成）。

好用的一致性

对于不同的机器学习算法，使用scikit-learn的套路很相似。

但要提前说一下，我还不算是scikit-learn的深度用户，所以我总结的相关套路是否全面，会不会打破，我并不敢保证。随着使用的深入，我也会酌情更新本文。

导入数据的一致性

如何导入数据，前面已讲，可以看出规律性很强，这就是一致性的体现。

使用模型的一致性

我所接触和实践的机器学习算法，都是遵从如下套路：

• 导入相关的模型包，实例化模型，记为model
• 使用train_test_split(X,y,...)进行数据集拆分
• 使用model.fit(X_train, y_train)进行训练
• 使用model_selection.cross_val_score(...)进行K折交叉验证
• 使用model.score(X_verify, y_verify)进行验证
• 使用model.predict(X_test)进行测试

好用的示例代码

示例代码请看：这里

Scikit-learn快速入门教程和实例（一） - 知乎 (zhihu.com)

Examples — scikit-learn 1.2.0 documentation

机器学习实战 | SKLearn最全应用指南 - ShowMeAI - 博客园 (cnblogs.com)

机器学习实战 | SKLearn入门与简单应用案例 (showmeai.tech)