- Scikit Learn 教程
- Scikit Learn - 首頁
- Scikit Learn - 簡介
- Scikit Learn - 建模過程
- Scikit Learn - 資料表示
- Scikit Learn - 估計器 API
- Scikit Learn - 約定
- Scikit Learn - 線性建模
- Scikit Learn - 擴充套件線性建模
- 隨機梯度下降
- Scikit Learn - 支援向量機
- Scikit Learn - 異常檢測
- Scikit Learn - K 近鄰演算法
- Scikit Learn - KNN 學習
- 樸素貝葉斯分類
- Scikit Learn - 決策樹
- 隨機決策樹
- Scikit Learn - 整合方法
- Scikit Learn - 聚類方法
- 聚類效能評估
- 使用 PCA 進行降維
- Scikit Learn 有用資源
- Scikit Learn - 快速指南
- Scikit Learn - 有用資源
- Scikit Learn - 討論
Scikit Learn - 簡介
在本章中，我們將瞭解什麼是 Scikit-Learn 或 Sklearn，Scikit-Learn 的起源以及其他相關主題，例如負責 Scikit-Learn 開發和維護的社群和貢獻者、其先決條件、安裝及其功能。
什麼是 Scikit-Learn (Sklearn)
Scikit-learn (Sklearn) 是 Python 中最有用和強大的機器學習庫。它提供了一系列高效的機器學習和統計建模工具，包括分類、迴歸、聚類和降維，透過 Python 中的一致性介面實現。這個庫主要用 Python 編寫，建立在NumPy、SciPy 和Matplotlib 之上。
Scikit-Learn 的起源
它最初被稱為scikits.learn，並於 2007 年由 David Cournapeau 作為 Google Summer of Code 專案開發。後來，在 2010 年，來自 FIRCA（法國計算機科學與自動化研究所）的 Fabian Pedregosa、Gael Varoquaux、Alexandre Gramfort 和 Vincent Michel 將該專案提升到另一個高度，並在 2010 年 2 月 1 日釋出了第一個公開版本（v0.1 beta）。
讓我們看看它的版本歷史 -
2019 年 5 月：scikit-learn 0.21.0
2019 年 3 月：scikit-learn 0.20.3
2018 年 12 月：scikit-learn 0.20.2
2018 年 11 月：scikit-learn 0.20.1
2018 年 9 月：scikit-learn 0.20.0
2018 年 7 月：scikit-learn 0.19.2
2017 年 7 月：scikit-learn 0.19.0
2016 年 9 月. scikit-learn 0.18.0
2015 年 11 月. scikit-learn 0.17.0
2015 年 3 月. scikit-learn 0.16.0
2014 年 7 月. scikit-learn 0.15.0
2013 年 8 月. scikit-learn 0.14
社群與貢獻者
Scikit-learn 是一項社群努力，任何人都可以為其做出貢獻。該專案託管在 https://github.com/scikit-learn/scikit-learn。 以下人員目前是 Sklearn 開發和維護的核心貢獻者 -
Joris Van den Bossche（資料科學家）
Thomas J Fan（軟體開發人員）
Alexandre Gramfort（機器學習研究員）
Olivier Grisel（機器學習專家）
Nicolas Hug（助理研究科學家）
Andreas Mueller（機器學習科學家）
Hanmin Qin（軟體工程師）
Adrin Jalali（開源開發者）
Nelle Varoquaux（資料科學研究員）
Roman Yurchak（資料科學家）
Booking.com、摩根大通、Evernote、Inria、AWeber、Spotify 等眾多組織都在使用 Sklearn。
先決條件
在我們開始使用 scikit-learn 最新版本之前，我們需要以下內容 -
Python (>=3.5)
NumPy (>= 1.11.0)
Scipy (>= 0.17.0)
Joblib (>= 0.11)
Matplotlib (>= 1.5.1) 是 Sklearn 繪圖功能所必需的。
Pandas (>= 0.18.0) 是某些使用資料結構和分析的 scikit-learn 示例所必需的。
安裝
如果您已經安裝了 NumPy 和 Scipy，以下兩種方法是最簡單的安裝 scikit-learn 的方法 -
使用 pip
可以使用以下命令透過 pip 安裝 scikit-learn -
pip install -U scikit-learn
使用 conda
可以使用以下命令透過 conda 安裝 scikit-learn -
conda install scikit-learn
另一方面，如果您的 Python 工作站上尚未安裝 NumPy 和 Scipy，則可以使用pip 或conda 安裝它們。
使用 scikit-learn 的另一種方法是使用Canopy 和Anaconda 等 Python 發行版，因為它們都附帶了 scikit-learn 的最新版本。
功能
Scikit-learn 庫側重於對資料進行建模，而不是側重於載入、處理和彙總資料。Sklearn 提供的一些最受歡迎的模型組如下 -
監督學習演算法 - 幾乎所有流行的監督學習演算法，如線性迴歸、支援向量機 (SVM)、決策樹等，都是 scikit-learn 的一部分。
無監督學習演算法 - 另一方面，它還包含從聚類、因子分析、PCA（主成分分析）到無監督神經網路的所有流行的無監督學習演算法。
聚類 - 此模型用於對未標記資料進行分組。
交叉驗證 - 用於檢查監督模型在未見過的資料上的準確性。
降維 - 用於減少資料中屬性的數量，可進一步用於彙總、視覺化和特徵選擇。
整合方法 - 顧名思義，它用於組合多個監督模型的預測。
特徵提取 - 用於從資料中提取特徵以定義影像和文字資料中的屬性。
特徵選擇 - 用於識別有用的屬性以建立監督模型。
開源 - 它是一個開源庫，並且可以在 BSD 許可下進行商業使用。