---

name: scikit-learn description: 使用 scikit-learn 进行 Python 机器学习。用于分类、回归、聚类、模型评估和 ML 管道。 license: BSD-3-Clause 许可证 metadata: skill-author: K-Dense Inc. risk: unknown source: community

Scikit-learn

概述

本技能为使用 scikit-learn 进行机器学习任务提供全面指导。scikit-learn 是经典机器学习领域的行业标准 Python 库。适用于分类、回归、聚类、降维、数据预处理、模型评估以及构建生产级 ML 管道。

安装

# 使用 uv 安装 scikit-learn
uv pip install scikit-learn

# 可选：安装可视化依赖
uv pip install matplotlib seaborn

# 常用搭配库
uv pip install pandas numpy

适用场景

在以下情况下使用 scikit-learn 技能：

• 构建分类或回归模型
• 执行聚类或降维分析
• 对机器学习数据进行预处理和转换
• 使用交叉验证评估模型性能
• 使用网格搜索或随机搜索调优超参数
• 创建生产级 ML 管道工作流
• 比较不同算法在同一任务上的表现
• 处理结构化（表格）数据和文本数据
• 需要可解释的经典机器学习方法

快速入门

分类示例

from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import classification_report

# 划分数据
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.2, stratify=y, random_state=42
)

# 预处理
scaler = StandardScaler()
X_train_scaled = scaler.fit_transform(X_train)
X_test_scaled = scaler.transform(X_test)

# 训练模型
model = RandomForestClassifier(n_estimators=100, random_state=42)
model.fit(X_train_scaled, y_train)

# 评估
y_pred = model.predict(X_test_scaled)
print(classification_report(y_test, y_pred))

混合数据完整管道

from sklearn.pipeline import Pipeline
from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import StandardScaler, OneHotEncoder
from sklearn.impute import SimpleImputer
from sklearn.ensemble import GradientBoostingClassifier

# 定义特征类型
numeric_features = ['age', 'income']
categorical_features = ['gender', 'occupation']

# 创建预处理管道
numeric_transformer = Pipeline([
    ('imputer', SimpleImputer(strategy='median')),
    ('scaler', StandardScaler())
])

categorical_transformer = Pipeline([
    ('imputer', SimpleImputer(strategy='most_frequent')),
    ('onehot', OneHotEncoder(handle_unknown='ignore'))
])

# 组合转换器
preprocessor = ColumnTransformer([
    ('num', numeric_transformer, numeric_features),
    ('cat', categorical_transformer, categorical_features)
])

# 完整管道
model = Pipeline([
    ('preprocessor', preprocessor),
    ('classifier', GradientBoostingClassifier(random_state=42))
])

# 拟合与预测
model.fit(X_train, y_train)
y_pred = model.predict(X_test)

核心能力

1. 监督学习

提供全面的分类和回归算法。

主要算法：

• 线性模型：逻辑回归、线性回归、Ridge、Lasso、ElasticNet
• 树模型：决策树、随机森林、梯度提升
• 支持向量机：SVC、SVR（支持多种核函数）
• 集成方法：AdaBoost、投票法、堆叠法
• 神经网络：MLPClassifier、MLPRegressor
• 其他：朴素贝叶斯、K近邻

适用场景：

• 分类：预测离散类别（垃圾邮件检测、图像分类、欺诈检测）
• 回归：预测连续值（价格预测、需求预测）

2. 无监督学习

通过聚类和降维发现无标签数据中的模式。

聚类算法：

• 基于划分：K-Means、MiniBatchKMeans
• 基于密度：DBSCAN、HDBSCAN、OPTICS
• 层次聚类：AgglomerativeClustering
• 概率模型：高斯混合模型
• 其他：MeanShift、SpectralClustering、BIRCH

降维方法：

• 线性：PCA、TruncatedSVD、NMF
• 流形学习：t-SNE、UMAP、Isomap、LLE
• 特征提取：FastICA、LatentDirichletAllocation

适用场景：

• 客户分群、异常检测、数据可视化
• 降低特征维度、探索性数据分析
• 主题建模、图像压缩

3. 模型评估与选择

提供稳健的模型评估、交叉验证和超参数调优工具。