學習筆記，僅供參考，有錯必糾
自翻譯+舉一反三

---

scikit-learn(Machine Learning in Python)

• 預測數據分析的簡單和有效的工具
• 每個人都可以訪問，并可在各種上下文中重用
• 在NumPy、SciPy和matplotlib上構建
• 開放源碼，商業上可用，遵循BSD協議

備注：BSD開源協議是一個給于使用者很大自由的協議。可以自由的使用，修改源代碼，也可以將修改后的代碼作為開源或者專有軟件再發布。

6大模塊

• Classification(分類)

識別一個對象屬于哪個類別。

應用:垃圾郵件檢測，圖像識別，等。
算法:支持向量機，最近鄰，隨機森林，等。

• Regression(回歸)

預測與對象關聯的連續值屬性。

應用:藥物反應，股票價格，等。
算法:SVR，最近鄰，隨機森林，等。

• Clustering(聚類)

將相似的對象自動分組成集合。

應用:客戶細分，分組實驗結果，等。
算法:k-Means，光譜聚類，mean-shift算法，等。

• Dimensionality reduction(降維)

減少要考慮的隨機

總結

以上是生活随笔為你收集整理的sklearn自学指南(part1)--Machine Learning in Python的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。