机器学习库拥有丰富的开源实现，从单机的Scikit-learn到分布式的MLLib，它们各有特色，被广泛应用在各种数据处理的场景。本文将介绍机器学习库Scikit-learn的算法分类及其应用场景。
Scikit-learn是构建在Python基础上的机器学习库，由于其简单且高效，而备受开发者欢迎。Scikit-learn将算法分为六个类别，如下图所示：
算法分类
分类（Classification）算法：目标是确定对象所属类别，主要应用于垃圾邮件检测、图像识别。
回归（Regression）算法：目的是预测连续值属性的变化，主要适用于股票价格预测。
聚类（Clustering）算法：目的是类似对象的自动化分组，主要适用于客户细分。
降维（Dimensionality reduction）算法：目的是减少随机变量的数目，主要适用于可视化、模型特征选择。
模型选择（Model selection）算法：目的是比较、验证和选择参数和模型，主要适用于通过参数调优提高准确率。
预处理（Preprocessing）算法：目的是特征提取与正则化，主要适用于将输入数据转化成可被机器学习算法识别的表示方式。
Scikit-learn是单机版的机器学习算法库，通常只能处理小规模的数据集。当输入数据集增大到单机难以容纳或单机处理时间过长时，必须借助分布式机器学习算法库。随着分布式计算框架的流行，越来越多的机器学习算法被分布式化，进而产生了丰富的机器学习库，包括MapReduce之上的Mahout、Spark之上的MLLib、Flink之上的FlinkML等。
