概念
1.sklearn是一个Python第三方提供的非常强力的机器学习库
2.scikit-learn是一个基于NumPy，SciPy，Matplotlib的开源学习工具包
3. 在数据量不是过大的情况下，可以解决大部分问题.
安装
安装 Scikit-learn (sklearn) 最简单的方法就是使用 pip或者用PyCharm或者 Anaconda 安装它.在安装前,要确保电脑已经安装了Numpy和Scipy
PIP使用方法
# python 2+ 版本复制:
pip install -U scikit-learn
# python 3+ 版本复制:
pip3 install -U scikit-learn使用方法
不要直接去用，先了解一下都有什么模型方法，然后选择适当的方法，来达到你的目标。
Sklearn 官网提供了一个流程图， 蓝色圆圈内是判断条件，绿色方框内是可以选择的算法：
图中,可以看到算法分为两类四大块
监督学习
每个数据对应一个 label
1.分类算法
2.回归算法 非监督学习
只有数据,而没有与数据相对应得label
3.聚类算法降维算法
当数据集有很多很多属性的时候，可以通过 降维 算法把属性归纳起来,例如 20 个属性只变成 2 个，注意，这不是挑出 2 个，而是压缩成为 2 个，它们集合了 20 个属性的所有特征，相当于把重要的信息提取的更好，不重要的信息就不要了。
在了解算法之后,然后看问题属于哪一类问题，是分类还是回归，还是聚类，就选择相应的算法。 当然还要考虑数据的大小，例如 100K 是一个阈值。如图中所显示的一样.