sklearn库介绍

scikit-learn（简称sklearn）是一个基于Python语言的机器学习工具，它包含了从数据预处理到模型选择再到模型评估的各个方面。它提供了许多常用的机器学习算法和工具，如分类、回归、聚类、降维和模型选择等。同时，它也提供了许多数据预处理和特征工程的工具，如标准化、归一化、缺失值填充、特征选择等。在使用sklearn之前，需要先安装sklearn库，可以使用pip install scikit-learn命令进行安装。

在sklearn库中，常用的模块包括：
1. 数据预处理模块：包括StandardScaler、MinMaxScaler、MaxAbsScaler、RobustScaler、Normalizer、Binarizer、OneHotEncoder、OrdinalEncoder等。
2. 特征选择模块：包括SelectKBest、SelectPercentile、VarianceThreshold、RFE、RFECV等。
3. 模型选择模块：包括train_test_split、KFold、StratifiedKFold、GridSearchCV、RandomizedSearchCV等。
4. 分类模块：包括KNeighborsClassifier、DecisionTreeClassifier、RandomForestClassifier、SVM、NaiveBayes等。
5. 回归模块：包括LinearRegression、Ridge、Lasso、ElasticNet、SVR等。
6. 聚类模块：包括KMeans、DBSCAN、AgglomerativeClustering等。
7. 降维模块：包括PCA、KernelPCA、LDA、TSNE等。