Scikit-learn（简称sklearn）是开源的 Python 机器学习库，它基于Numpy和Scipy，包含大量数据挖掘和分析的工具，例如数据预处理、交叉验证、算法与可视化算法等。
从功能上来讲，Sklearn基本功能被分为分类，回归，聚类，数据降维，模型选择，数据预处理。
从机器学习任务的步骤来讲，Sklearn可以独立完成机器学习的六个步骤：
- 选择数据：将数据分成三组，分别是训练数据、验证数据和测试数据。
- 模拟数据：使用训练数据来构建使用相关特征的模型。
- 验证模型：使用验证数据接入模型。
- 测试模型：使用测试数据检查被验证的模型的表现。
- 使用模型：使用完全训练好的模型在新数据上做预测。
- 调优模型：使用更多数据、不同的特征或调整过的参数来提升算法的性能表现。
用于导入Scikit-learn库的名称是sklearn：
import sklearn这里我们通过手写数字的识别作为例子，先加载数据：
from sklearn import datasets
digits = datasets.load_digits()看看数据的大小：共1797行，每个数字图片是8*8的，所以有64列：
print(digits.data.shape) # => (1797, 64)
print(digits.target.shape) # => (1797,)问题描述：对输入的图像，预测其表示的数字。
解决方案：输入训练集合，训练集合包括 10 个可能类别（数字 0 到 9）的样本，在这些类别上拟合一个 估计器 (estimator)，预测未知样本所属的类别。
选择不同的估计器，就好比选择了不同的解决方案。估计器的一个例子是sklearn.svm.SVC()，它实现了支持向量分类。例子如下：
from sklearn import svm
clf = svm.SVC(gamma=0.001, C=100.)在上面的代码里，我们手动给定了模型参数，实际上可以使用 网络搜索和交叉验证 等工具来寻找比较好的值。
clf.fit(digits.data[:-1], digits.target[:-1])clf.predict(digits.data[-1:]) # => array([8])打印最后一张出来看看
import matplotlib.pyplot as plt
plt.gray()
plt.matshow(digits.images[0])
plt.show()
Python 的内置的持久化模块joblib将模型保存:
from joblib import dump, load
s = dumps(clf, "filename.joblib") # 保持此前fit的模型
clf2 = load(s) # 加载之前存的模型
clf2.predict(X[0:1]) # 做预测除非特别指定，输入将被转换为 float64
import numpy as np
from sklearn.svm import SVC
rng = np.random.RandomState(0)
X = rng.rand(100, 10)
y = rng.binomial(1, 0.5, 100)
X_test = rng.rand(5, 10)
clf = SVC()
clf.set_params(kernel='linear').fit(X, y) # 默认内核 rbf 被改为 linear
clf.predict(X_test)
clf.set_params(kernel='rbf', gamma='scale').fit(X, y) # 改回到 rbf 重新训练
clf.predict(X_test)from sklearn.svm import SVC
from sklearn.multiclass import OneVsRestClassifier
from sklearn.preprocessing import MultiLabelBinarizer
X = [[1, 2], [2, 4], [4, 5], [3, 2], [3, 1]]
y = [[0, 1], [0, 2], [1, 3], [0, 2, 3], [2, 4]]
y = MultiLabelBinarizer().fit_transform(y)
classif = OneVsRestClassifier(estimator=SVC(gamma='scale',
random_state=0))
print(classif.fit(X, y).predict(X))上述将输出
[[1 1 0 0 0]
[1 0 1 0 0]
[0 1 0 1 0]
[1 0 1 0 0]
[1 0 1 0 0]]