Scikit Learn 简明教程

Scikit Learn - Introduction

在本章中，我们将了解什么是 Scikit-Learn 或 Sklearn、Scikit-Learn 的起源以及其他一些相关主题，例如负责 Scikit-Learn 开发和维护的社区和贡献者、它的前提条件、安装和它的特性。

What is Scikit-Learn (Sklearn)

Scikit-learn (Sklearn) 是 Python 中最有用且健壮的机器学习库。它通过 Python 中的一致界面提供一系列高效的工具，用于机器学习和统计建模，包括分类、回归、聚类和降维。此库在很大程度上是用 Python 编写的，它基于 NumPy, SciPy 和 Matplotlib 构建。

Origin of Scikit-Learn

它最初称为 scikits.learn ，最初由 David Cournapeau 在 2007 年作为谷歌代码夏季项目开发。后来，在 2010 年，来自 FIRCA（法国计算机科学与自动化研究院）的 Fabian Pedregosa、Gael Varoquaux、Alexandre Gramfort 和 Vincent Michel 将该项目带到了另一个层次，并于 2010 年 2 月 1 日发布了第一个公开版本 (v0.1 beta)。

让我们看看它的版本历史 −

  1. May 2019: scikit-learn 0.21.0

  2. March 2019: scikit-learn 0.20.3

  3. December 2018: scikit-learn 0.20.2

  4. November 2018: scikit-learn 0.20.1

  5. September 2018: scikit-learn 0.20.0

  6. July 2018: scikit-learn 0.19.2

  7. July 2017: scikit-learn 0.19.0

  8. September 2016. scikit-learn 0.18.0

  9. November 2015. scikit-learn 0.17.0

  10. March 2015. scikit-learn 0.16.0

  11. July 2014. scikit-learn 0.15.0

  12. August 2013. scikit-learn 0.14

Community & contributors

Scikit-learn 是一项社区工作，任何人都可以为它做出贡献。此项目托管在 https://github.com/scikit-learn/scikit-learn. 上，当前有以下人员是 Sklearn 开发和维护的核心贡献者 −

  1. Joris Van den Bossche（数据科学家）

  2. Thomas J Fan（软件开发人员）

  3. Alexandre Gramfort（机器学习研究员）

  4. Olivier Grisel（机器学习专家）

  5. Nicolas Hug（助理研究科学家）

  6. Andreas Mueller（机器学习科学家）

  7. Hanmin Qin (Software Engineer)

  8. Adrin Jalali（开源开发人员）

  9. Nelle Varoquaux（数据科学研究员）

  10. Roman Yurchak (Data Scientist)

各种机构都在使用 Sklearn，例如 Booking.com、JP Morgan、Evernote、Inria、AWeber、Spotify 以及更多其他机构。

Prerequisites

在我们开始使用 scikit-learn 的最新版本之前，我们需要满足以下要求：

  1. Python (>=3.5)

  2. NumPy (>= 1.11.0)

  3. Scipy (>= 0.17.0)li

  4. Joblib (>= 0.11)

  5. 需要使用 Matplotlib（>= 1.5.1）来获取 Sklearn 的绘图能力。

  6. 需要使用 Pandas（>= 0.18.0）来获取一些使用数据结构和分析的 scikit-learn 示例。

Installation

如果您已安装 NumPy 和 Scipy，以下是安装 scikit-learn 的两种最简单的方法：

Using pip

可以使用以下命令通过 pip 安装 scikit-learn：

pip install -U scikit-learn

Using conda

可以使用以下命令通过 conda 安装 scikit-learn：

conda install scikit-learn

另一方面，如果尚未在您的 Python 工作站安装 NumPy 和 Scipy，则可以使用 pip 或 conda 来安装它们。

使用 scikit-learn 的另一种选择是使用 Python 发行版，例如 Canopy 和 Anaconda ，因为它们都随附最新版本的 scikit-learn。

Features

Scikit-learn 库专注于对数据进行建模，而不是专注于加载、处理和汇总数据。Sklearn 提供的一些最流行的模型组如下：

Supervised Learning algorithms - scikit-learn 包含几乎所有的流行监督学习算法，例如线性回归、支持向量机 (SVM)、决策树等。

Unsupervised Learning algorithms - 另一方面，它还包含从聚类、因子分析、PCA（主成分分析）到无监督神经网络的所有流行无监督学习算法。

Clustering - 此模型用于对未标记的数据进行分组。

Cross Validation − 用于检查监督模型在未见过数据上的准确性。

Dimensionality Reduction − 用于减少数据中的属性数量，此数量可进一步用于汇总、可视化和功能选择。

Ensemble methods − 如名称所示，用于组合多个监督模型的预测。

Feature extraction − 用于从数据中提取功能，以便定义图像和文本数据中的属性。

Feature selection − 用于识别创建监督模型的有用属性。

Open Source − 它是开源库，也可以在 BSD 许可证下进行商业使用。