CDA作為國內(nèi)知名的全棧數(shù)據(jù)科學教育和認證品牌，一直致力于讓優(yōu)質(zhì)的教育人人可得。Scikit-learn作為機器學習的入門工具庫，深受初學者的喜愛。但是由于官方文檔是英文撰寫，限制了很多機器學習愛好者的學習過程。因此，專業(yè)、規(guī)范、實時的Scikit-learn中文學習社區(qū)，一直以來都是國內(nèi)學習者所急需。

CDA?全國教研團隊從2016年已經(jīng)開始大規(guī)模使用Scikit-learn作為Python機器學習課程授課的主要工具庫。無論是CDA就業(yè)班系列課程，還是周末集訓課程，還是2018年推出的系列Scikit-learn課程，均深受國內(nèi)數(shù)據(jù)科學愛好者的歡迎。

基于CDA全國教研團隊近5年的Scikit-learn課程研發(fā)經(jīng)驗，為了響應越來越多的數(shù)據(jù)科學愛好者的學習需求，CDA通過一年多的Scikit-learn文檔的翻譯和認真校對，并在CDA研發(fā)部門的密切配合下，Scikit-learn中文社區(qū)終于上線了。從用戶指南到API?、再到案例，翻譯字數(shù)達一百余萬字，相較與網(wǎng)絡上流傳的其他機器翻譯的Scikit-learn中文資料，CDA Scikit-learn中文社區(qū)的翻譯是最新的官方版本，并且內(nèi)容更加全面，格式更加規(guī)范，翻譯更加專業(yè)精準，努力為機器學習愛好者提供更便捷的學習途徑。點擊下方社區(qū)Logo，可進入CDA Scikit-learn中文社區(qū)！記得分享保存哦?。ㄗⅲ簊cikit-learn的官網(wǎng)是www.scikit-learn.org，CDA承接的中文社區(qū)網(wǎng)址是www.scikit-learn.org.cn，這同時也標志著CDA與全球頂級深度學習和機器學習框架更進一步融合，CDA認證更加得到全球頂級技術(shù)框架的認可！

Scikit-learn（也稱為sklearn）是針對Python編程語言的免費機器學習庫。2007年，Scikit-learn首次被Google Summer of Code項目開發(fā)使用，現(xiàn)在已經(jīng)被廣泛大眾認為是最受歡迎的機器學習庫。

Sklearn具有許多的優(yōu)點：

· 支持包括分類，回歸，降維和聚類四大類機器學習算法。還包括了特征提取，數(shù)據(jù)處理和模型評估三大模塊，具有著豐富的API接口。

· 代碼樣式清晰一致，這使得機器學習代碼易于理解和再現(xiàn)，大大降低了機器學習的入門門檻。

· 得到了大量第三方工具的支持，有非常豐富的功能，適用于各種場景等。

如果你正在學習和使用機器學習，那么Scikit-learn可能是最好的工具庫。Scikit-learn擁有著完善的文檔，上手容易，具有著豐富的API，在機器學習愛好者中的被廣泛使用。其已經(jīng)封裝了大量的機器學習算法，同時Scikit-learn內(nèi)置了大量數(shù)據(jù)集，節(jié)省了獲取和整理數(shù)據(jù)集的時間。

下面介紹Scikit-learn工具庫使用的一些便捷方法

Scikit-learn是一個開源的機器學習庫，它支持有監(jiān)督和無監(jiān)督的學習。它還提供了用于模型擬合，數(shù)據(jù)預處理，模型選擇和評估以及許多其他實用程序的各種工具。

· 擬合和預測：估算器基礎(chǔ)

Scikit-learn提供了數(shù)十種內(nèi)置的機器學習算法和模型，稱為估算器。每個估算器可以使用其擬合方法擬合到一些數(shù)據(jù)。

所述擬合方法通常接受2個輸入：

· 樣本矩陣（或設(shè)計矩陣）X。X的大小通常為(n_samples, n_features)，這意味著樣本表示為行，特征表示為列。

· 目標值y是用于回歸任務的真實數(shù)字，或者是用于分類的整數(shù)（或任何其他離散值）。對于無監(jiān)督學習，y無需指定。

雖然某些估算器可以使用其他格式（例如稀疏矩陣），但是通常，兩者X和y預計都是numpy數(shù)組或等效的類似數(shù)組的數(shù)據(jù)類型。

估算器擬合后，可用于預測新數(shù)據(jù)的目標值。而無需重新訓練估算器，非常便捷：

· 轉(zhuǎn)換器和預處理器

機器學習工作流程通常由不同的部分組成。典型的管道（Pipeline）包括一個轉(zhuǎn)換或插入數(shù)據(jù)的預處理步驟，以及一個預測目標值的最終預測器。

在中scikit-learn，預處理器和轉(zhuǎn)換器遵循與estimator對象相同的API（實際上它們都繼承自同一?BaseEstimator類）。轉(zhuǎn)換對象沒有預測方法，但是需要有一個輸出新轉(zhuǎn)換的樣本矩陣X的轉(zhuǎn)換方法：

有時，如果你想要應用不同的轉(zhuǎn)換器去處理不同的特征：ColumnTransformer專為這些用例而設(shè)計。

· 管道(Pipeline)：連接預處理器和估算器

可以將轉(zhuǎn)換器和估算器（預測器）組合在一起成為一個統(tǒng)一的對象：一個?Pipeline。這條管道提供相同的API作為常規(guī)估算器：它可以用fit和predict來訓練和預測。正如我們將在后面看到的，使用管道還可以防止數(shù)據(jù)泄漏，即在訓練數(shù)據(jù)中泄露一些測試數(shù)據(jù)。

在以下示例中，我們加載Iris數(shù)據(jù)集，將其分為訓練集和測試集，然后根據(jù)測試數(shù)據(jù)計算管道的準確性得分：

· 模型評估

用一些數(shù)據(jù)來訓練模型并不意味著在一些未知的數(shù)據(jù)上也能預測得很好，這需要直接評估。

將模型擬合到一些數(shù)據(jù)并不意味著它將在看不見的數(shù)據(jù)上很好地預測。這需要直接評估。我們剛剛看到了train_test_split函數(shù)可以將數(shù)據(jù)集分為訓練集和測試集，但是scikit-learn提供了許多其他模型評估工具，尤其是用于交叉驗證的工具。

我們在這里簡要展示了如何使用cross_validate幫助程序執(zhí)行5折交叉驗證過程。需要注意的是，還可以使用不同的數(shù)據(jù)拆分策略以及使用自定義評分功能來手動實現(xiàn)遍歷。有關(guān)更多詳細信息，請參閱我們的用戶指南：

· 自動參數(shù)搜索

所有估算器都有可以調(diào)整的參數(shù)（在文獻中通常稱為超參數(shù)）。估算器的泛化能力通常關(guān)鍵取決于幾個參數(shù)。例如，在隨機深林回歸器?RandomForestRegressor中，n_estimators參數(shù)?確定林中樹木數(shù)量，max_depth參數(shù)確定每棵樹的最大深度。通常，這些參數(shù)的確切值是多少我們都不太清楚，因為它們?nèi)Q于拿到的數(shù)據(jù)。

Scikit-learn提供了自動查找最佳參數(shù)組合的工具（通過交叉驗證）。在以下示例中，我們使用RandomizedSearchCV對象隨機搜索隨機森林的參數(shù)空間。搜索結(jié)束后，RandomizedSearchCV的表現(xiàn)就像是已經(jīng)訓練好最佳參數(shù)集的RandomForestRegressor。在用戶指南中可以閱讀更多內(nèi)容：