更多详细代码关注sklearn中文官方文档：

1.概念

Sklearn (全称 Scikit-Learn) 是基于 Python 语言的机器学习工具，是机器学习中的常用第三方模块。它建立在 NumPy, SciPy, Pandas 和 Matplotlib 之上，里面的 API 的设计非常好，所有对象的接口简单，对常用的机器学习方法进行了封装，包括回归(Regression)、降维(Dimensionality Reduction)、分类(Classfication)、聚类(Clustering)等方法。

2.方法

2.1有监督学习的分类任务(Classification)

分类算法：

from sklearn import SomeClassifier

from sklearn.linear_model import SomeClassifier

from sklearn.ensemble import SomeClassifier

2.2有监督学习的回归任务(Regression)

回归算法：

from sklearn import SomeRegressor

from sklearn.linear_model import SomeRegressor

from sklearn.ensemble import SomeRegressor

2.3无监督学习聚类任务(Clustering)

聚类算法：

from sklearn.cluster import SomeModel

2.4无监督学习的降维任务(Dimensionality Reduction)

from sklearn.decomposition import SomeModel

2.5模型选择任务(Model Selection)

from sklearn.model_selection import SomeModel

2.6数据的预处理任务(Preprocessing)

from sklearn.preprocessing import SomeModel

2.7引入某个数据集

from sklearn.datasets import SomeData

3.部分代码详细分析

3.1自带的数据集

例如导入乳腺癌数据集：

#导入乳腺癌数据集

from sklearn.datasets import load_breast_cancer

数据是以「字典」格式存储的，详细查看一下里面的键：

breast = load_breast_cancer()

print(breast.keys())

结果：

键的名词解释：

data：特征值 (数组)

target：标签值 (数组)

target_names：标签 (列表)

DESCR：数据集描述

feature_names：特征 (列表)

filename：iris.csv 文件路径

详细查看一下数据集：

#定义两个分别为数据集的样例个数、特征个数

n_samples,n_features = breast.data.shape

#输出数据集的样例个数和特征个数，类似数据集的规模

print(n_samples,n_features)

#输出数据集的特征名称

print(breast.feature_names)

#输出数据集的前5个特征示例

print(breast.data[0:5])

可以看到输出分别为——样例个数以及特征个数：

数据集中30个特征的名称为：

前五个示例为(每一个示例中都有30个数据，分别对应30个特征)：

输出数据集的标签大小：

#输出数据集的标签数量(也就是最后的那个是乳腺癌良性还是恶性)：

print(breast.target.shape)

输出数据集标签名称看看：

#输出数据集标签名称：

print(breast.target_names)

输出全部标签示例：

即数据集中有569个标签，2个类别(malignant恶性、benign良性)，分别用0和1来表示。

使用pandas下的工具DataFrame来把数据集创建成表格来读取数据集中的详细数据

Seaborn 的 pairplot (看每个特征之间的关系)来用图来展示一下数据集的内容。

import seaborn as sns

from matplotlib import pyplot as plt

sns.pairplot(breast_data,hue='species',palette='husl');

plt.show()