scikit-learn框架学习笔记（一）

sklearn于2006年问世于Google，是使用python语言编写的、基于numpy、scipy和matplotlib的一个机器学习算法库，设计的非常优雅，它让我们能够使用同样的接口来实现所有不同的算法调用。

1、三大模块和六大功能

1.1监督学习模块

算法	说明
neighbors	近邻算法
svm	支持向量机
kernel-ridge	核——岭回归
discriminant_analysis	判别分析
linear_model	广义线性模型
ensemle	集成方法
tree	决策树
naive_bayes	朴素贝叶斯
cross_decomposition	交叉分解
gaussian_process	高斯过程
neural_network	神经网络
calibration	概率校准
isotonic	保序回归
feature_selection	特征选择
multiclass	多类多标签算法

1.2非监督学习

算法	说明
decomposition	矩阵因子分解
cluster	聚类
manifold	流形学习
mixture	高斯混合模型
neural_network	无监督神经网络
density	密度估计
covariance	协方差估计

1.3数据变换

算法	说明
feature_extraction	特征抽取
feature_selection	特征选择
preprocess	预处理
random_projection	随机投影
kernel_approximation	核逼近
pipline	管道流（这个严格说不算是数据变换模块）

1.4六大功能

功能	说明（算法）
分类（Classification）	支持向量机分类（SVC）、最近邻法（nearest neighbors）、决策树（decision tree）、随机森林（random forest）等等
回归（regression）	回归、多项式回归（polynomial regression），支持向量回归（SVR）、岭回归（ridge regression）、lasso回归等等
聚类（clustering）	k均值（k-means）、谱聚类（spectral clustering）、mean-shift等方法
降维（Dimensionality reduction）	作用是减少样本向量的维数,比如从200维降到15维,主要算法：主成分分析（PCA）、独立成分分析（ICA）等方法
模型选择（model selection）	作用：评估模型，选择模型，交叉验证，调参等等，网格搜索grid search等
预处理（preprocessing）	用于数据的归一化（normalization）、数据的标准化（standardization）、去均值化（mean removal）、白化（Whitening）、二值化（Binarization）等等

2、算法类的顶层设计

baseEstimator	所有评估器的父类
ClassifierMixin	所有分类器的父类，其子类必须实现一个score函数
RegressorMixin	所有回归器的父类，其子类必须实现一个score函数
ClusterMixin	所有聚类的父类，其子类必须实现一个fit_predict函数
BiClusterMixin
TransformerMixin	所有数据变换的父类，其子类必须实现一个fit_transform函数
DensityMixin	所有密度估计相关的父类，其子类必须实现一个score函数
MetaEsimatorMixin	可能是出于兼容性考虑，看名字就能知道，目前里面没有内容

3、统一的API接口

在sklearn里面使用完全一样的接口来实现不同的机器学习算法，通俗的流程可以理解如下：

①. 数据加载和预处理

②. 定义分类器（回归器等等），譬如svc = svm.svc()

③. 用训练集对模型进行训练，只需调用fit方法，svc.fit(X_train, y_train)

④. 用训练好的模型进行预测：y_pred=svc.predict(X_test)

⑤. 对模型进行性能评估：svc.score(X_test, y_test)

模型评估中，可以通过传入一个score参数来自定义评估标准，该函数的返回值越大代表模型越好。