Scikit-Learn是基于python的机器学习模块,包涵聚类、分类、回归等数学分析模型，可以用于数据预处理、数据处理及数学模型检验等多种用途，是Python机器学习的必备选择。
Scikit-learn 要求Python (>= 2.7 or >= 3.3), NumPy (>= 1.8.2), SciPy (>= 0.13.3).使用pip安装函数库
pip是python下的包管理工具，可用于函数库的管理与安装。进入终端或命令行，安装scipy、numpy、scikit-learn：
如果你已经有一个安全的 numpy 和 scipy，安装 scikit-learn 最简单的方法是使用 pip
pip install -U scikit-learn
scikit-learn自带少量数据集，比如说用于分类分析的鸢尾花数据集和数码数据集、用于回归分析的波士顿房价数据集。
数据集是一个字典类对象，它包括数据以及描述数据的元数据。这些数据被存放在包含n_samples, n_features数组的.data成员中。对于监督学习问题而言，还包括用于储存标签和结果的.target成员。下面以加载鸢尾花数据集和数码数据集为例：
数码数据集由1797个8x8图像数据矩阵组成，每个图像数据矩阵都代表一个手写的数字图像。digits.data是数字图像矩阵，digits.target分别表示digits.data数字图像矩阵分别表示的数字。数组都是numpy数组。
作者：芥末无疆sss
链接：https://www.jianshu.com/p/de8b964cc3ac
來源：简书
简书著作权归作者所有，任何形式的转载都请联系作者获得授权并注明出处。
