【sklearn学习1】快速认识sklearn架构

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/maotianyi941005/article/details/82217077

【官方文档】点击进入

    参考博文：sklearn库的学习（po主yealxxy，《——部分图和内容转自）

                        ML神器：sklearn的快速使用（po主ML小菜鸟，《——部分内容转自

一 什么是sklearn

    全称scikit-learn，是python中机器学习的包，有以下特点（摘自官方文档）：

• 是数据挖掘和数据分析的简单好用的工具
• 易上手 可重用
• 基于NumPy, SciPy, and matplotlib
• 开源，商业可用      

1.1 机器学习一览

    天啦噜这张图的machine learning架构真的好清楚，忍不住拿来用一下。

    机器学习的常见流程：获取数据 -> 数据预处理 -> 训练建模 -> 模型评估 -> 预测，分类

    sklearn的算法也是按照机器学习流程内容大概分为几块

二 sklearn使用

2.1 import

2.2数据集

  数据集模块为sklearn.datasets 官方手册

  sklearn包含一些数据集，可供用户直接调用，以下为小数据集的使用，不需要下载

from sklearn import datasets


iris = datasets.load_iris() # 导入鸢尾花数据集
X = iris.data # 获得其特征向量
y = iris.target # 获得样本label