scikit-learn 机器学习库

scikit-learn 简介

scikit-learn 是 Python 生态中最主流的经典机器学习库，构建在 SciPy 之上，采用 BSD-3-Clause 许可证。项目始于 2007 年的 Google Summer of Code，如今由全球社区共同维护，是数据科学与统计学习的事实标准工具之一。

核心能力

• 监督学习：线性模型、支持向量机、决策树、随机森林、梯度提升等分类与回归算法
• 无监督学习：聚类、降维（PCA、t-SNE 等）、异常检测
• 模型选择：交叉验证、网格搜索、随机搜索与评估指标
• 数据预处理：标准化、编码、缺失值处理、特征提取与流水线（Pipeline）
• 可视化辅助：以 plot_ 开头的绘图函数与 Display 类，依赖 Matplotlib

安装方式

在已具备 NumPy 与 SciPy 的环境中，可通过 pip 或 conda 安装：

pip install -U scikit-learn
# 或
conda install -c conda-forge scikit-learn

主要依赖包括 Python、NumPy、SciPy、joblib、threadpoolctl 与 Narwhals；绘图功能需要 Matplotlib，部分示例还会用到 pandas、seaborn、plotly 与 scikit-image。

典型使用流程

from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import make_pipeline
from sklearn.linear_model import LogisticRegression

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)
model = make_pipeline(StandardScaler(), LogisticRegression())
model.fit(X_train, y_train)
score = model.score(X_test, y_test)

统一的 fit / predict / transform 接口让不同算法之间可以低成本替换与组合，Pipeline 机制也便于把预处理与模型封装为可复用的整体。

生态与社区

• 官网与文档：https://scikit-learn.org
• 源码仓库：https://github.com/scikit-learn/scikit-learn
• 交流渠道：GitHub Discussions、Stack Overflow、Discord 与邮件列表

项目欢迎各经验层次的贡献者，提供完整的开发指南、测试流程与贡献规范。若在学术论文中使用，官方也提供了引用方式说明。