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
扫描二维码关注公众号，回复：
4822211 查看本文章
| 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