Sklearn库（scikit-learn）是什么？

机器学习的算法众多，在生产环境中，我们往往没有那么多时间学习算法的原理，从零开始建模，而且，我们自己的模型需要经过很多打磨才能变得健壮。那么，有没有别人已经实现好的机器学习算法可以供我们调用呢？答案是有的。

Scikit 又称 scikit-learn 库（简称 sklearn）是一个通用型开源机器学习库，它几乎涵盖了所有机器学习算法，并且搭建了高效的数据挖掘框架。我们可以通过官网访问它，如图 1 所示。

图1：scikit-learn官网
 

可以看到官网的宣传中主要提到其 4 个特点。

• 一个简单高效的数据挖掘和数据分析工具。
• 对于所有人都是易用的，而且可以在各个环境中使用。
• 它是基于Numpy、Scipy和Matplotlib的库。
• 开源，可以商用。

这个库另一个优点是库的设计十分有条理。Scikit 库主要分为以下 6 个板块。

• 分类（Classification）
• 回归（Regression）
• 聚类（Clustering）
• 降维（Dimensionality reduction）
• 模型选择（Model selection）
• 预处理（Preprocessing）

其中分类和回归问题被称为有监督学习，聚类问题被称为无监督学习。实际进行机器学习的过程一般依次为预处理、降维、有监督和无监督学习、模型选择，如图 2 所示。

图2：机器学习过程