分类、回归与聚类算法的使用

在使用scikit-learn之前，必须要牢记，scikit-learn中已经定义好了各个算法要使用的模型，在实际使用中，只需要直接按照scikit-learn的文档实例化相应的模型即可开始使用。如果模型不需要自己训练，可以使用scikit-learn中提供的预训练模型数据来直接进行预测，但是一般还是建议使用算法模型自行训练。

scikit-learn中的模型一般都具有两个方法：.fit()和.predict()或者.fit_predict()，分别用于训练和预测。这就使得scikit-learn的模型使用非常简单。以支持向量机（SVM）下的SVC算法模型为例。

from sklearn import svm
from sklearn import datasets


clf = svm.SVC()
iris = datasets.load_iris()
x, y = iris.data, iris.target
clf.fit(x, y)

predict_y = clf.predict(unknown_x)

模型训练和预测所使用的数据可以是NumPy数组或者普通的数组，但训练数据和标签数据应该具有一个相同大小的维度。

在scikit-learn中有一个流水线（Pipeline）的概念，Pipeline可以用来整合数据处理流程，将数据从预处理到模型训练流水化，Pipeline定义在sklearn.pipeline包中，构建时接受一个元组列表，其中包括全部处理步骤，元组的格式为(名称, 处理器实例)，其中处理器（transform）需要实现.fit()和.transform()方法。Pipeline也拥有.fit()、.predict()等方法，在调用时会按照顺序链式调用列表中的全部处理器。Pipeline中列表的最后一项可以是一个评估器，用于支持Pipeline调用.score()方法进行评估。

以下给出一个建立Pipeline的示例。

from sklearn.pipeline import Pipeline

text_clf = Pipeline([
	('vect', CountVectorizer()),
	('tfidf', TfidfTransformer()),
	('clf', MultinomialNB())
])
text_clf.fit(train.data, train.target)