sklearn快速入門教程 – 準備工作

1. 前言

sklearn全稱 scikit-learn，它是一個集成了目前市面上最常用的機器學習模型的庫，使用起來非常輕松簡單，因此獲得了廣泛的應用。

從官網顯示數據來看，這個項目始于2007年，工具箱在2011年正式發布，并且在機器學習頂級雜志 Journal of Machine Learning Research 發表了對應的論文。能在JMLR上發文章就已經能說明該工具箱的水平不一般。論文全文可以直接在官網免費下載。不過論文本身并不是很重要，重要的是要了解sklearn究竟能用來做什么，以及它如何用。

目前市面上的教程也是一層出不窮，但許多同學仍然表示不好懂。這里我個人覺得不好懂的原因有這么幾點：

• 從教程本身而言，講太多的理論，看得云里霧里。
• 從自身而言，基礎不扎實，尤其python本身不熟悉，學起來頭疼

因此，本系列打算從更為直接的方面來講解sklearn的使用方法，讓新手能夠快速上手，在學會使用工具的同時再慢慢去補充理論。

2. 準備工作

首先要明確一點，任何一個工具箱都不是獨立存在的，要使用這些工具箱就必然要掌握一些其它的輔助技能，否則根本無法運用這些工具箱。作為一個以數據模型為主的工具箱，那么基本的處理數據的技能就是最為重要的，因此在此之前我們需要做一些準備工作。當然要全面地理解一套工具箱其實也并不是一朝一夕的，但我們可以在最開始適當降低要求，針對這些工具箱的特性做出一些取舍。這樣可以明顯地提高學習的速度，尤其是能增大初學時的自信心。在掌握了基本的框架的時候，再去慢慢補回相應的深層次的知識，也能夠讓自己的認識逐漸深入。

• Python的基本語法和Python中的面向對象的概念與操作。既然sklearn是python的庫，那么會用python自然是學習這個庫的基本前提。當然Python作為一門系統的程序語言內容的確也有點太多，因此我們可以先重點學習一些直接相關，也就是直接會用到的一些知識和技能。針對這個庫我們需要掌握的Python基本知識與技能有：
  • 學會1-2種IDE的使用。這里我們強力推薦pycharm。雖然它的功能可能90%我們都用不到，但一旦需要用到某些高級功能的時候，其它的工具就顯得更浪費時間。比如pycharm的智能提示功能，雖然在notebook里面也能實現，但還得單獨去配置，配置完了可能還會出問題，一不小心可能大半天就過去了。與其糾結這些問題，不如直接一步到位，適應個幾天也就會了。
  • Python基本語法。這個不用多說，肯定要會寫點簡單的pyhon程序，比如for循環怎么用，如何導入庫，怎樣處理數組等等。
  • Python中的面向對象的概念與操作。這個說法本身其實不是很嚴謹，因為面向對象是通用的，與程序語言無關。但這樣說的目的主要是想強調Python中面向對象的操作，因為它還是與其它許多語言的特性是不太一樣的，也得單獨去看一看。如果實在一開始弄不懂，那么最起碼的如何初始化一個class，如何對它進行實例化，如何使用它的方法，理解一下什么叫靜態方法、動態方法等這些問題也應該事先掌握。
• Numpy的基本數據結構和操作方法。Numpy實際上是現在Python直接自帶的一個庫，基本上Python在處理數據的時候幾乎就是調用Numpy中的類型和方法。我們在做機器學習的時候必然會涉及到數據的整理、簡單預處理、格式化等等問題，因此這些內容也得事先有所了解。當然，我們是快速入門教程，肯定不用一下子把Numpy的教程看完。但最起碼的，Numpy中有哪些數據結構，這些數據結構的基本操作（加減乘除、排序、查找、矩陣的計算等）得要事先熟悉一遍。
• Pandas - 讀寫數據的利器。當然也要強調一點Pandas并不是讀寫數據唯一的方法。只不過直接用Python自帶的方法來做太過繁瑣，而其它的庫雖然也有，但目前能像Pandas一樣既完整又好用的也不是太多。舉個例子，比如我們要讀一個csv文件中的數據，用Pandas也就一句data = pandas.read_csv('data.csv')就行了。查詢整理數據更是有類似SQL一樣的機制。那么這個工具很顯然能給我們提供極大的便利。
• Matplotlib - 繪圖工具。 繪圖這件事在任何數據處理中其實都有非常重要的作用，因為它能最直觀地給我們反饋各種結果，從而加深我們對結果的理解。Matplotlib基本上能夠滿足我們對基本的數據結果的各種展示需求。其中的pyplot模塊用法也基本和其它一些常用的語言差不多，基本上只要用過類似R、Matlab等語言畫過圖的，看幾分鐘文檔就能弄明白怎么畫曲線圖了。

至此，一個極簡的準備工作就算完成一半了。還有一半就是裝好sklearn。然后收藏好它的官方網站，我們在后面會經常使用。

千里之行，始于足下！

希望大家都能堅持下去，盡快地掌握sklearn的使用。

• klearn快速入門教程：（二）線性回歸
• sklearn快速入門教程：（三）機器學習的通用模式及實現方法
• sklearn快速入門教程：（四）模型自動調參
• sklearn快速入門教程：（五）集成學習

總結

以上是生活随笔為你收集整理的sklearn快速入门教程：（一）准备工作的全部內容，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。