1、sklearn.datasets 库里有很多适用于机器学习的数据库，可以按需下载和导入。
from sklearn.datasets import load_breast_cancer
data=load_breast_cancer()
加载的数据集通常包括数据，标签，特征名称和描述性信息，分别为data\target\feature_name\DESCR
如可以用cancer[‘target’]得到数据集的标签,就像列表引用一样。
之前一直想不明白标签是什么，其实就是类别，每一列是一个特征（特征就是每个类比的名字），每一行就是一个项目。这个项目由各个特征的数值和所属类别组成，仅此而已。
2、数据集划分为训练集和测试集
from sklearn.model_selection import train_test_split
x_train,x_test, y_train, y_test = train_test_split(data[‘data’],data[‘target’],test_size=0.3, random_state=0)
print(data.shape)
print(x_train.shape)
print(y_train.shape)
print(x_test.shape)
print(y_test.shape)
注意对数据和标签都进行了划分，如果是分类回归，则传入数据和标签，如果是聚类，则仅传入数据即可。
3、转换器使用
为了帮助用户实现大量的特征处理，sklearn把相关功能封装为转换器，其中有三个方法，fit、transform、fit_transform
其中fit方法就是通过分析提取信息，transform进行转换，具体如下：
from sklearn.preprocessing import MinMaxScaler
scaler=MinMaxScaler().fit(x_train) #生成规则
x_trainscaler=scaler.transform(x_train) #应用规则
print(x_trainscaler)
print(np.min(x_trainscaler))
print(np.max(x_trainscaler))
进行离差标准化后数据均处于0到1之间。相比于pandas方法，更加快速简单。
更多数据处理函数可自行查阅。
4、特征分解模块的使用，如PCA降维等,如下：
同样是转换器的使用，应用fit、transform ，生成规则，再应用规则，只是函数变化而已。
from sklearn.decomposition import PCA
pca=PCA(n_components=5).fit(x_trainscaler) #生成规则
x_pca=pca.transform(x_trainscaler) #应用规则
print(x_trainscaler.shape)
print(x_pca.shape)
我们发现降维之后的特征减少到了5个，当然，这是我们自行规定的特征个数，那么问题来了，我们认为规定的个数不一定就是最佳的，我们如何得到最佳的特征个数呢？
可以使用n_components=‘mle’，这样系统会自动根据某些方法进行确定特征个数
另外感兴趣的小伙伴可以去查看其他参数，如svd_solver、copy等。正常情况下，默认即可。