Scikit-learn（sklearn）是一个用于机器学习的Python库，它提供了简单高效的工具用于数据分析和建模。以下是scikit-learn的主要模块及其包含内容的体系结构介绍：
1. 数据集模块 (sklearn.datasets)
用于加载和生成各种数据集。
load_*系列：加载小规模的内置数据集，如load_iris、load_boston等。fetch_*系列：从外部来源获取较大规模的数据集，如fetch_20newsgroups、fetch_olivetti_faces等。make_*系列：生成人造数据集用于测试和验证算法，如make_classification、make_blobs等。
2. 预处理模块 (sklearn.preprocessing)
用于特征预处理和数据归一化。
StandardScaler：标准化数据，均值为0，方差为1。MinMaxScaler：将特征缩放到一个给定的最小值和最大值之间。Normalizer：将每个样本缩放到单位范数。Binarizer：将特征值二值化。OneHotEncoder：将分类特征编码为one-hot格式。
3. 模型选择模块 (sklearn.model_selection)
用于选择和验证模型。
train_test_split：拆分数据集为训练集和测试集。cross_val_score：进行交叉验证。GridSearchCV：通过网格搜索进行参数调优。RandomizedSearchCV：通过随机搜索进行参数调优。
4. 特征选择模块 (sklearn.feature_selection)
用于选择重要特征。
SelectKBest：选择K个最佳特征。RFE（Recursive Feature Elimination）：递归特征消除。SelectFromModel：基于模型选择特征。
5. 降维模块 (sklearn.decomposition)
用于数据降维。
PCA（Principal Component Analysis）：主成分分析。KernelPCA：核主成分分析。TruncatedSVD：截断奇异值分解。FactorAnalysis：因子分析。
6. 集成方法模块 (sklearn.ensemble)
用于集成多种模型的方法。
RandomForestClassifier、RandomForestRegressor：随机森林。GradientBoostingClassifier、GradientBoostingRegressor：梯度提升树。AdaBoostClassifier、AdaBoostRegressor：自适应提升算法。VotingClassifier、VotingRegressor：投票分类器/回归器。BaggingClassifier、BaggingRegressor：装袋算法。
7. 线性模型模块 (sklearn.linear_model)
用于线性回归和分类模型。
LinearRegression：线性回归。LogisticRegression：逻辑回归。Ridge、Lasso：带正则化的线性模型。ElasticNet：弹性网络模型。SGDClassifier、SGDRegressor：随机梯度下降。
8. 支持向量机模块 (sklearn.svm)
用于支持向量机算法。
SVC：支持向量分类。SVR：支持向量回归。LinearSVC、LinearSVR：线性支持向量分类/回归。
9. 树模型模块 (sklearn.tree)
用于决策树模型。
DecisionTreeClassifier：决策树分类器。DecisionTreeRegressor：决策树回归器。
10. 聚类模块 (sklearn.cluster)
用于聚类算法。
KMeans：K均值聚类。DBSCAN：基于密度的聚类。AgglomerativeClustering：层次聚类。MeanShift：均值漂移聚类。
11. 神经网络模块 (sklearn.neural_network)
用于神经网络模型。
MLPClassifier：多层感知器分类器。MLPRegressor：多层感知器回归器。
12. 核方法模块 (sklearn.kernel_approximation)
用于近似内核方法。
RBFSampler：RBF核采样。Nystroem：Nystroem方法。
13. 度量模块 (sklearn.metrics)
用于评估模型性能。
- 分类度量：如
accuracy_score、f1_score等。 - 回归度量：如
mean_squared_error、r2_score等。 - 聚类度量：如
adjusted_rand_score、silhouette_score等。 - ROC曲线和AUC：如
roc_curve、auc等。
14. 管道模块 (sklearn.pipeline)
用于将多个步骤封装为一个管道。
Pipeline：创建一个流水线对象。FeatureUnion：特征联合。
15. 异常检测模块 (sklearn.ensemble 和 sklearn.covariance)
用于异常检测。
IsolationForest：孤立森林。EllipticEnvelope：椭圆包络法。
16. 高斯过程模块 (sklearn.gaussian_process)
用于高斯过程回归和分类。
GaussianProcessClassifier：高斯过程分类器。GaussianProcessRegressor：高斯过程回归器。kernels：定义和组合高斯过程的内核，如RBF、Matern等。
17. 半监督学习模块 (sklearn.semi_supervised)
用于半监督学习模型。
LabelPropagation：标签传播。LabelSpreading：标签扩散。
18. 多标签和多输出模块 (sklearn.multioutput)
用于多标签和多输出学习任务。
MultiOutputClassifier：用于多标签分类。MultiOutputRegressor：用于多输出回归。ClassifierChain：分类器链。RegressorChain：回归器链。
19. 度量学习模块 (sklearn.neighbors)
用于最近邻算法和度量学习。
KNeighborsClassifier：k近邻分类器。KNeighborsRegressor：k近邻回归器。NearestNeighbors：最近邻搜索。RadiusNeighborsClassifier：半径近邻分类器。RadiusNeighborsRegressor：半径近邻回归器。BallTree、KDTree：空间树数据结构。
20. 协同过滤和推荐系统模块 (sklearn.recommendation)
用于推荐系统的协同过滤方法（在较新版本中逐渐完善）。
NearestNeighbors：基于邻居的推荐方法。
21. 内核密度估计模块 (sklearn.neighbors 和 sklearn.kernel_density)
用于非参数密度估计。
KernelDensity：核密度估计。
22. 朴素贝叶斯模块 (sklearn.naive_bayes)
用于朴素贝叶斯分类算法。
GaussianNB：高斯朴素贝叶斯。MultinomialNB：多项式朴素贝叶斯。BernoulliNB：伯努利朴素贝叶斯。ComplementNB：补充朴素贝叶斯。
23. 决策函数模块 (sklearn.calibration)
用于概率校准和决策函数。
CalibratedClassifierCV：校准后的分类器。
24. 模型持久化模块 (sklearn.externals 和 joblib)
用于模型的持久化和加载。
joblib.dump：保存模型。joblib.load：加载模型。
25. 集成方法的不同组合 (sklearn.ensemble)
用于组合不同的模型。
StackingClassifier、StackingRegressor：堆叠模型。VotingClassifier、VotingRegressor：投票方法。
26. 数据转换模块 (sklearn.compose)
用于数据转换和组合。
ColumnTransformer：对特定列应用不同的预处理器。TransformedTargetRegressor：在回归目标值上应用转换器。make_column_transformer：方便地创建列变换器。make_column_selector：选择特定类型的列。
27. 检查器和验证模块 (sklearn.utils.validation)
用于输入数据和模型的验证。
check_X_y：验证特征矩阵和目标向量。check_array：验证单个数组。check_is_fitted：检查估计器是否已拟合。
28. 仿真模块 (sklearn.utils.estimator_checks)
用于测试自定义估计器是否符合scikit-learn的接口标准。
check_estimator：对估计器进行一系列一致性检查。parametrize_with_checks：参数化测试自定义估计器。
29. 数学工具模块 (sklearn.utils.extmath)
用于提供数学工具和计算功能。
safe_sparse_dot：安全处理稀疏矩阵的点积运算。row_norms：计算行的范数。density：计算稀疏矩阵的密度。
30. 优化模块 (sklearn.utils.optimize)
用于提供优化工具。
linear_sum_assignment：求解线性和分配问题。broyden1：Broyden的第一种方法，用于非线性方程组求解。
31. 图工具模块 (sklearn.utils.graph)
用于图操作和工具。
single_source_shortest_path_length：计算单源最短路径长度。graph_laplacian：计算图拉普拉斯矩阵。
32. 稀疏矩阵模块 (sklearn.utils.sparsefuncs)
用于稀疏矩阵的函数。
inplace_csr_row_normalize_l1：L1规范化CSR格式的稀疏矩阵。inplace_csr_row_normalize_l2：L2规范化CSR格式的稀疏矩阵。
33. 调试和性能模块 (sklearn.utils.fixes 和 sklearn.utils.parallel)
用于性能优化和并行计算。
delayed：延迟函数的执行。parallel_backend：指定并行后端。sklearn.utils.fixes：修复不同版本之间的兼容性问题。
34. 实验性功能模块 (sklearn.experimental)
用于实验性功能和模块，这些功能可能会在未来版本中稳定。
enable_hist_gradient_boosting：启用直方图梯度提升。enable_iterative_imputer：启用迭代插补。
35. 图形绘制模块 (sklearn.tree.export)
用于导出决策树的图形表示。
export_graphviz：导出决策树为Graphviz格式。plot_tree：绘制决策树。
36. 隐私保护和差分隐私模块 (sklearn.diff_privacy)
用于实现差分隐私保护（在较新版本中逐渐完善）。
DifferentialPrivacyLogisticRegression：带有差分隐私的逻辑回归。
37. 实验性预测模块 (sklearn.experimental.enable_halving_search_cv)
用于实验性的逐步搜索交叉验证。
HalvingGridSearchCV：逐步网格搜索。HalvingRandomSearchCV：逐步随机搜索。
38. 扩展库和接口 (sklearn.externals)
用于与外部库的接口和集成。
joblib：用于模型持久化和并行计算。six：用于Python 2和Python 3的兼容性。