第 1 章　机器学习与sklearn

本章将通过介绍sklearn（scikit-learn）为读者展现机器学习能解决的问题和解决这些问题的合理方案。sklearn是基于Python语言的机器学习工具，建立在NumPy、SciPy和Matplotlib三大工具包之上。在使用sklearn的过程中，建议阅读一下它的源代码，这样能够加深对算法的理解，提升编程水准。

sklearn提供了分类、回归、聚类和降维4个类别的经典模型。对于如何根据数据和任务来选择合适的方法，sklearn官网提供了一张经典的思维导图，如图1-1所示，其中的思路如下。

• 如果数据量小于50，一般是无法使用sklearn的机器学习算法建模的，因为机器学习需要借助统计数据才能完成。
• 如果数据有类别标签，请使用分类模型。
• 如果数据需要预测精确值，请使用回归模型。
• 如果想查看数据分布情况，可以考虑使用降维算法。
• 如果数据没有类别标签，可以使用聚类算法。

图 1-1　sklearn算法选择指导图