1.关于scikit-learn简介

说明：这个sklearn系列的笔记，在我的分类scikit-learn里面，主要介绍常用的模型的参数，并且附带数据、案例、代码、结果。

这个系列的笔记不会限于sklearn，还会包括一些时间序列（StatsModels）、词云（jieba & wordcloud）、LDA（NLP的最最最简单部分）。

笔记整理自一下书目（同时推荐这些书，书中有交叉知识，我个人比较喜欢第一本）：

1. 张良均,王路,谭立云,苏剑林等.Python数据分析与挖掘实战[M].北京:机械工业出版社,2017.
2. 王宏志.大数据分析原理与实践[M].北京:机械工业出版社,2017.
3. 余本国.基于python的大数据分析基础及实战[M].北京:中国水利水电出版社,2018.

第一本书附带数据、代码、结果，学起来可以实地搬砖操作，真的很方便；第二本书理论完善、附带案例展示，但是没有数据、没有代码，可以看看，培养下数据思想；第三本书，也有案例数据代码，但是内容比较简单，而且我看着有点乱（仅个人观点）。

1.python数据分析的几个工具

库名	说明
Numpy	数组支持，以及高效的函数，很重要！！！
Scipy	矩阵支持，以及矩阵相关的数值计算模块
Matlpotlib	可视化工具，各种统计绘图
Pandas	数据分析包，很强大！！！
StatsModels	统计建模和计量经济学的包
Scikit-learn	下一节详细介绍！数据挖掘的核武器！
Keras	常用的深度学习库之一。这个是氢弹吧！
nltk	NLP领域最常用的一个工具包
Gensim	LDA的库，文本挖掘用。大方向上也属于自然语言处理
jieba	最常用的分词库之一，中文分词比较好
wordcloud	词云
networkx	网络图，一种图解模型。
folium	交互地图的绘制，比如热力地图。
pillow	图像处理最基础的库
OpenCV	本质是一个C++库，用于实时处理计算机视觉的库，因特尔开发。

1.1基本库的介绍。

在我前面搬过的砖里面，已经介绍了numpy，pandas，matplotlib，还是介绍的比较清楚的。有数据，有代码，有结果。传送门在这里–>这里就是这里！点击这里！

2.核武器——sklearn来了！

scikit-learn，简称sklearn。机器学习。
在sklearn中含有那些模型呢？以及如何选择模型？
首先来看有多少模型这个问题。在官方的网站上有详细的介绍：

监督学习：监督学习的传送门

非监督学习：非监督学习传送门

我这边做个简单的常用模型总结就是：

2.1监督学习：

• 广义线性模型：岭回归、lasso回归、logistics回归、randomize logistics回归、弹性网络模型、最小角回归（Lars）、Lars lasso。这边的常用算法是GD、SGD。
• 判别分析
• 支持向量机
• k-NearestNeighbor：KNN，经典！
• 朴素贝叶斯
• 决策树
• 集成方法：bagging、adaboosting、GB、GBDT、xgboost
• 神经网络（有监督）：MLP(Multilayer Perceptron)

2.2无监督学习

• 高斯混合模型:Gaussian Mixture Model
• 聚类： clustering
• 矩阵分解问题：matrix factorization problems，常用PCA、LDA
• 神经网络（无监督）：限制玻尔兹曼机（Restricted Boltzmann machines ，RBM）

2.3如何选择模型呢？

那究竟要如何选择呢？官方依旧给了一个文档，，从数据量级和建模出发点两方面进行选择，说的还是比较清楚地。
这个是sklearn官方传送门
当然了，这里我把这张图拷过来了：

2.4模型的Attributes

最简单的就是直接百度查看官方文档，看英文。还可以就是help(函数名)查看帮助文档中，能看到各种参数，各种属性。

2.4.1通用属性

• model.fit():就是拟合模型

2.4.2监督模型

• model.predict():预测新数据
• model。predict_proba():预测概率，仅适合部分模型（经典的是LR）
• model.score():得分，越高拟合越好

2.4.3非监督学习模型

• model.transform():从数据中学到新的“基空间”
• model.fit_transform():按照学习到的基对数据转换

2.4.4除模型外的常用函数

from sklearn.model_selection import KFold,GridSearchCV 
from sklearn.metrics import confusion_matrix, roc_auc_score 
from imblearn.over_sampling import SMOTE

交叉验证、网格搜索调参、数据分布平衡、混淆矩阵…这都是特别特别常用的模块！