sklearn 功能和包括的算法

sklearn（Scikit learn）是基于numpy和scipy的一个机器学习算法库，设计的非常优雅，它让我们能够使用同样的接口来实现所有不同的算法调用。

基本功能分为六大部分：

   分类：支持向量机（SVM）、最近邻、逻辑回归、随机森林、决策树以及多层感知器（MLP）神经网络

   回归：支持向量回归（SVR）

   聚类：K-均值聚类

   数据降维、

   模型选择和

   数据预处理。

缺点：不支持深度学习和强化学习，不支持Python外的其他语言，不支持GPU加速

常用算法

无监督学习算法

算法	说明
cluster	聚类
decomposition	因子分解
mixture	高斯混合模型
neural_network	无监督的神经网络
covariance	协方差估计

监督学习

tree	决策树
svm	支持向量机
neighbors	近邻算法
linear_model	广义线性模型
neural_network	神经网络
kernel_ridge	岭回归
naive_bayes	朴素贝叶斯
cross_decomposition	交叉分解

数据转换

feature_extraction	特征提取
feature_selection	特征选择
preprocessing	预处理

以上的每个模型中都包含多个算法，使用某算法时，直接导入需要的包即可

from sklearn.linear_model import logistic