第 1 章　機器學習與sklearn

本章將通過介紹sklearn（scikit-learn）為讀者展現機器學習能解決的問題和解決這些問題的合理方案。sklearn是基于Python語言的機器學習工具，建立在NumPy、SciPy和Matplotlib三大工具包之上。在使用sklearn的過程中，建議閱讀一下它的源代碼，這樣能夠加深對算法的理解，提升編程水準。

sklearn提供了分類、回歸、聚類和降維4個類別的經典模型。對于如何根據數據和任務來選擇合適的方法，sklearn官網提供了一張經典的思維導圖，如圖1-1所示，其中的思路如下。

• 如果數據量小于50，一般是無法使用sklearn的機器學習算法建模的，因為機器學習需要借助統計數據才能完成。
• 如果數據有類別標簽，請使用分類模型。
• 如果數據需要預測精確值，請使用回歸模型。
• 如果想查看數據分布情況，可以考慮使用降維算法。
• 如果數據沒有類別標簽，可以使用聚類算法。

圖 1-1　sklearn算法選擇指導圖