Scikit-Learn简明教程

本阶段为北京图灵学院人工智能学习第一阶段。

教学目的

通过Scikit-Learn框架的学习，掌握机器学习常用概念和相关使用方法， 对机器学习处理流程和常用处理方法有所掌握，并能够对模型结合数据 和效果进行评估并作出最后选择。

• 极简入门，需要掌握scikit-learn常用工作流程
• Sklearn模块的学习，直接利用scikit-learn官方文档进行授课
• 本课程不侧重模型或者算法的推导，侧重工具的掌握和模型的使用

特别感谢

本教程个很大程度上利用apachecn翻译的scikit-learn中文官方文档， 因为会有作者自己的改编，同时因为原版每篇都会有好几个原文作者，本文不在每篇单独罗列 作者，在此统一感谢，同时，本网站单独开设一个栏目，用来存放官方文档的中文翻译， 其中不做增删，保留原作者信息。

Scikit-Learn超短教程:

• 1. 机器学习 & Sckii-Learn
  • 1.1. 机器学习
  • 1.2. Scikit-Learn
  • 1.3. 安装SKlearn
  • 1.4. Scikit-Learn版本
• 2. 了解数据集
  • 2.1. Seaborn鸢尾花(Iris)数据集
  • 2.2. 几个常用数据相关概念
  • 2.3. Scikit-learn数据集表示方法
• 3. 机器学习基本步骤
  • 3.1. 实例演示
• 4. 模型验证(ModelValidation）
  • 4.1. 错误的模型验证
  • 4.2. 模型验证的正确方法：留出集(HoldOut)
  • 4.3. 交叉验证
• 5. 选择最优模型
  • 5.1. 几个概念
  • 5.2. Scikit-Learn 验证曲线
  • 5.3. 学习曲线
  • 5.4. 网格搜索
• 6. 特征工程(FetureEngineering)
  • 6.1. 分类特征
  • 6.2. 文本特征
  • 6.3. 衍生特征
  • 6.4. 缺失值填充
  • 6.5. 特征管道
• 7. 1.1. 广义线性模型
  • 7.1. 1.1.1. 普通最小二乘法