识别对象属于哪个类别。
应用：垃圾邮件检测，图像识别。 算法：梯度提升，最近邻，随机森林，逻辑回归，以及更多…
预测与对象相关的连续值属性。
应用：药物反应，股票价格。 算法：梯度提升，最近邻，随机森林，岭回归，以及更多…
将相似的对象自动分组到集合中。
应用：客户细分，实验结果分组。 算法：K均值，HDBSCAN，层次聚类，以及更多…
减少需要考虑的随机变量数量。
应用：可视化，提高效率。 算法：PCA，特征选择，非负矩阵分解，以及更多…
比较、验证和选择参数和模型。
应用：通过参数调整提高精度。 算法：网格搜索，交叉验证，指标，以及更多…
特征提取和归一化。
应用：转换输入数据（例如文本），以便与机器学习算法一起使用。 算法：预处理，特征提取，以及更多…
帮助我们，捐赠！ 引用我们！
更多推荐……
“我们使用scikit-learn来支持前沿的基础研究……”
“我认为这是我见过的设计最好的机器学习包。”
“scikit-learn 的易用性、性能和整体的各种实现算法已被证明非常宝贵……”
“scikit-learn 的一大优点是其快速的学习曲线……”
“它使我们能够完成否则无法完成的AWesome事情。”
“scikit-learn 使任何人都可以使用 Python 进行高级分析。”
