scikit-learn（以下簡稱為sklearn）是用python開發的機器學習庫，其中包含大量機器學習演算法、資料集，是資料探勘方便的工具。本教程參考《python機器學習及實戰》、《scikit-learn機器學習》和sklearn的官方文件，詳細講解如何使用sklearn實現機器學習演算法。首先，依舊講講寫本系列教程的原因：第一，相比於直接編寫各種演算法，sklearn簡單容易上手；第二，參考書籍有些部分講解不細緻，sklearn版本的更新，官方文件雖然齊全，但是是英文等等，希望通過編寫這個教程，可以讓讀者輕鬆上手機器學習；第三，依舊是本人的學習記錄過程。
資料匯入
sklearn支援的資料格式有numpy陣列和pandas的dataframe格式，當然，sklearn也提供了一些資料集，通過下面**可以匯入資料集（具體資料集見後文）。
from sklearn import datasets「garbage in garbage out」，乙個好的模型很大程度上基於乙個乾淨有效的源資料，所以在訓練模型之前，需要針對已有資料進行清洗和處理。資料預處理的方法有很多：資料的缺失值清洗；資料標準化/中心化/歸一化；啞編碼；生成多項式特徵等等，這個需要根據具體的資料進行相對應的處理。
模型選擇
針對不同的問題需要選擇不同的模型，有label標籤且為離散值的為分類，有label標籤且為連續值的是回歸，無label的就要用無監督的方法了。但針對某個特定問題，如何選擇演算法了，可以看下圖。
但很不幸的是：「沒有免費的午餐定理」告訴我們，脫離具體問題去討論選擇什麼演算法更好是毫無意義的，在現實建模中，我們通過多個模型比較評估結果來選擇最終模型。
模型訓練
在模型訓練前，需要將資料集切分為訓練集和測試集（73開或者其它）。sklearn訓練模型很簡單，在具體例項中講解。
模型測試
針對不同類模型，模型的評價指標都不同，具體可看小抄和sklearn.metrics模組。在模型測試中，我們常常使用交叉驗證的方法。
模型優化
模型一般都是有很多引數的，如何選擇最優的引數，可使用網格搜尋和隨機引數優化。
tips
針對各個過程的詳細介紹，會在具體案例中講解。
sklearn調包俠之KNN演算法
天下武功，唯快不破。今天就正式講解如何通過 sklearn小抄 武林秘籍，成為一代宗師調包俠。欲練此功，必先自宮 就算自宮，未必成功 若不自宮，也能成功。傳說江湖 機器學習領域 有兩大派別 一是學術派，該派資歷高，家境好，多為名門世家 學歷高，數學好 重基礎 數學推導和理論知識 一是實踐派，以找人切...
sklearn調包俠之邏輯回歸
傳送門 機器學習實戰之logistic回歸 正則化這裡補充下正則化的知識。當乙個模型太複雜時，就容易過擬合，解決的辦法是減少輸入特徵的個數，或者獲取更多的訓練樣本。正則化也是用來解決模型過擬合的一種方法。常用的有l1和l2範數做為正則化項。資料匯入 本次實戰依舊是使用sklearn中的資料集，如圖所...
sklearn調包俠之KNN演算法
天下武功，唯快不破。今天就正式講解如何通過 sklearn小抄 武林秘籍，成為一代宗師調包俠。欲練此功，必先自宮 就算自宮，未必成功 若不自宮，也能成功。傳說江湖 機器學習領域 有兩大派別 一是學術派，該派資歷高，家境好，多為名門世家 學歷高，數學好 重基礎 數學推導和理論知識 一是實踐派，以找人切...