如果您是一名Python程序员，或者您正在寻找一个强大的库，您可以将机器学习带入生产系统，那么您需要认真考虑的库是scikit-learn。
在这篇文章中，您将获得scikit-learn库的概述以及可以从中了解更多信息的有用参考资料。
它从哪里来的？
Scikit-learn最初是由David Cournapeau在2007年开发的Google夏季代码项目。
后来Matthieu Brucher加入了这个项目并开始将其作为论文工作的一部分。2010年，INRIA参与其中，第一次公开发布（v0.1 beta）于2010年1月下旬发布。
该项目目前有30多名活跃的贡献者，并已获得INRIA，Google，Tinyclues和Python软件基金会的赞助。
什么是scikit-learn？
Scikit-learn通过Python中的一致接口提供一系列有监督和无监督的学习算法。
它根据许可的简化BSD许可证授权，并在许多Linux发行版下分发，鼓励学术和商业用途。
该库是基于SciPy（Scientific Python）构建的，必须先安装才能使用scikit-learn。这个堆栈包括：
- NumPy：基本n维数组包
- SciPy：科学计算的基础库
- Matplotlib：全面的2D / 3D绘图
- IPython：增强的交互式控制台
- Sympy：符号数学
- 熊猫：数据结构和分析
SciPy护理的扩展或模块通常命名为SciKits。因此，该模块提供学习算法，并命名为scikit-learn。
该库的愿景是在生产系统中使用所需的稳健性和支持水平。这意味着要深入关注易用性，代码质量，协作，文档和性能等问题。
虽然接口是Python，但c-libraries可以利用性能，例如数组和矩阵运算的numpy，LAPACK，LibSVM以及cython的精心使用。
有什么特点？
该库专注于建模数据。它不专注于加载，操作和汇总数据。有关这些功能，请参阅NumPy和Pandas。
截图取自均值漂移聚类算法的演示
scikit-learn提供的一些流行的模型组包括：
- 聚类：用于对未标记的数据（如KMeans）进行分组。
- 交叉验证：用于估计监督模型对未见数据的性能。
- 数据集：用于测试数据集以及用于生成具有用于调查模型行为的特定属性的数据集。
- 降维：用于减少数据中的属性数量，以进行摘要，可视化和特征选择，例如主成分分析。
- 集合方法：用于组合多个监督模型的预测。
- 特征提取：用于定义图像和文本数据中的属性。
- 特征选择：用于识别用于创建监督模型的有意义的属性。
- 参数调整：用于充分利用受监督的模型。
- 流形学习：用于总结和描述复杂的多维数据。
- 监督模型：一个庞大的阵列，不仅限于广义线性模型，判别分析，朴素贝叶斯，惰性方法，神经网络，支持向量机和决策树。
示例：分类和回归树
我想举个例子向您展示使用库是多么容易。
在此示例中，我们使用分类和回归树（CART）决策树算法来模拟Iris花数据集。
此数据集作为库的示例数据集提供并加载。分类器适合数据，然后对训练数据进行预测。
最后，打印分类准确度和混淆矩阵。
# Sample Decision Tree Classifier
from sklearn import datasets
from sklearn import metrics
from sklearn.tree import DecisionTreeClassifier
# load the iris datasets
dataset = datasets.load_iris()
# fit a CART model to the data
model = DecisionTreeClassifier()
model.fit(dataset.data, dataset.target)
print(model)
# make predictions
expected = dataset.target
predicted = model.predict(dataset.data)
# summarize the fit of the model
print(metrics.classification_report(expected, predicted))
print(metrics.confusion_matrix(expected, predicted))
运行此示例将生成以下输出，显示已训练模型的详细信息，根据一些常见指标的模型技能和混淆矩阵。
DecisionTreeClassifier(class_weight=None, criterion='gini', max_depth=None,
max_features=None, max_leaf_nodes=None, min_samples_leaf=1,
min_samples_split=2, min_weight_fraction_leaf=0.0,
presort=False, random_state=None, splitter='best')
precision recall f1-score support
0 1.00 1.00 1.00 50
1 1.00 1.00 1.00 50
2 1.00 1.00 1.00 50
avg / total 1.00 1.00 1.00 150
[[50 0 0]
[ 0 50 0]
[ 0 0 50]]
谁在使用它？
它具有良好的测试覆盖率和管理版本，适用于原型和生产项目。
资源
如果您有兴趣了解更多信息，请查看包含文档和相关资源的Scikit-Learn主页。
您可以从github存储库获取代码，并且在Sourceforge项目中可以获得历史版本。
文档
我建议您从快速入门教程开始，然后浏览用户指南和示例库，了解您感兴趣的算法。
最终，scikit-learn是一个库，API参考将是完成工作的最佳文档。
