Scikit-learn快速入门教程和实例（一）

关于作者：林夕是四川电子科技大学的研究生，主要研究方向是数据分析，机器学习。

一，什么是SKlearn

SciKit learn的简称是SKlearn，是一个python库，专门用于机器学习的模块。

以下是它的官方网站，文档等资源都可以在里面找到http://scikit-learn.org/stable/#。SKlearn包含的机器学习方式：

分类，回归，无监督，数据降维，数据预处理等等，包含了常见的大部分机器学习方法。

关于SKlearn的安装，网上教程很多，再次不赘述。建议使用Anaconda，可以方便的安装各种库。Anaconda教程：http://python.jobbole.com/87522/

SKlearn给出了如何选择正确的方法：

官网清晰图：http://scikit-learn.org/stable/tutorial/machine_learning_map/index.html

图表对于什么样的问题，采用什么样的方法给出了清晰的描述，包括数据量不同的区分。

二，SKlearn的强大数据库

数据库网址：http://scikit-learn.org/stable/modules/classes.html#module-sklearn.datasets

里面包含了很多数据，可以直接拿来使用。

例如：

1.鸢尾花数据集

打开里面的鸢尾花数据集，我们可以看到页面上同样有调用示例：

2.波士顿房价数据集

而且在SKlearn官网，对于每一个数据集，在后面都给出了，使用该数据集的示例，例如Boston房价数据集：

三，通用学习模式

SKlearn中学习模式的调用，有很强的统一性，很多都是类似的，学会一个，其他基本差不多。

1.鸢尾花数据集

针对上述已经导入的鸢尾花数据集，继续对其进行分析。

2.波士顿房价数据集

这里，我们调用房价数据集，然后使用线性回归的方法对其进行预测

以上众多内容，参照莫烦教程

更详细的内容可以去他官网查看。https://morvanzhou.github.io/