SuperAPI AI 工具集

scikit-learn

编程与开发

查看项目

更新于 10-16 10:22

技能介绍

用途:该技能面向使用 scikit-learn 处理经典机器学习任务,包括分类、回归、聚类、降维、数据预处理、模型评估,以及构建可用于生产流程的 ML 流水线。适用于结构化(表格)与文本数据,需要可解释的经典机器学习方法时。

主要能力:监督学习(分类与回归估计器族);无监督学习(聚类、分解与流形学习);模型评估与选择(指标、交叉验证、超参数搜索);数据预处理(缩放、编码、缺失值填充、特征选择);流水线与组合(Pipeline、ColumnTransformer)。各主题在对应参考文件中展开。

使用方式:安装 PyPI 包 scikit-learn(不是已弃用的 sklearn 包),代码中导入为 sklearn。uv pip install "scikit-learn==1.9.1";可选绘图与脚本依赖 uv pip install "scikit-learn[plots]==1.9.1" matplotlib pandas;常与 pandas、numpy 搭配。示例脚本可用 uv run --no-project --with scikit-learn==1.9.1 --with pandas --with matplotlib python scripts/classification_pipeline.py 与 scripts/clustering_analysis.py 运行。

限制与注意事项:版本针对 1.9.1,需 Python 3.11+;示例代码中的 X、y、columns 等为占位,非完整可独立运行程序。预处理应放在 Pipeline 内以按折重拟合,避免在划分前缩放或填补造成信息泄漏;仅用训练数据拟合。划分应匹配独立单元:独立行可用分层划分,存在重复患者、样本、站点或相关分子时应使用 GroupKFold 或 StratifiedGroupKFold;未来预测用时间顺序划分。应设置 random_state 保证可复现,并选择合适指标。收敛警告可增大 max_iter,大数据集可考虑 SGDClassifier 或 MiniBatchKMeans。官方文档、用户指南、API 参考与示例库见对应 URL。