Scikit-learn的官方文档

一.Scikit-learn的功能分类

1. 分类
2. 回归
3. 聚类
4. 数据降维
5. 模型选择
6. 数据预处理

二.Scikit-learn的子模块

• linear_model：线性模型子模块
• cluster：聚类子模块
• neighbors：近邻算法子模块
• discriminant_analysix：线性和二次判别分析子模块
• kernel_ridge：内核岭回归子模块
• svm：支持向量机子模块
• gaussian_process：高斯过程子模块
• cross_decomposition：交叉分解子模块
• naive_bayes：朴素贝叶斯子模块
• tree：决策树子模块
• ensemble：集成子模块
• multiclass：多类和多标签分类算法子模块
• feature_seletion：特征选择算法子模块
• semi_supervised：半监督学习子模块
• isotonic：等式回归子模块
• calibration：概率校正子模块
• neural_network：神经网络子模块
• mixture：混合模型算法子模块
• manifold：流形学习子模块
• decomposition：成分分析子模块
• datasets：加载和获取数据集的子模块
• utils：工具函数子模块
• preprocessing：预处理数据子模块
• model_selection：模型选择子模块
• metrics：模型评估指标子模块
• feature_extraction：特征提取子模块
• pipeline：链式评估器（管道）和特征联合
• impute：缺失值插补的转换器子模块
• random_projection：随机投影子模块
• kernel_approximation：内核近似子模块
• inspection：模型检查子模块
• compose：使用转换器构建复合模型的元评估器子模块
• covariance：协方差估计子模块
• dummy：Dummy评估器子模块

三.安装和导入

pip install scikit-learn

from sklearn import datasets
from sklearn.datasets import load_digits