用途：scikit-learn 是 Python 中用于经典机器学习的库，适合表格型数据（CSV、类 Excel 数据）、中小规模数据集，以及随机森林、SVM、线性模型等传统机器学习任务，也用于特征工程与流水线自动化。
主要能力：提供分类（如垃圾邮件识别、疾病诊断）、回归（房价、趋势预测）、聚类（市场细分、图像压缩）、降维（PCA 可视化）、模型选择（交叉验证、网格搜索）和预处理（缩放、编码、缺失值填补）。核心接口为 Estimator：估计器实现 fit(X, y)，转换器实现 transform(X) 与 fit_transform(X)，预测器实现 predict(X)。
使用方式：安装命令为 pip install scikit-learn。常用做法包括：先用 train_test_split 划分数据，用 Pipeline 组合预处理与模型，用 GridSearchCV 调参，用 cross_val_score 交叉验证，并用 classification_report、mean_squared_error 等指标评估。分类任务可在 train_test_split 中设置 stratify=y；SVM、KNN、线性回归通常需要特征缩放；OneHotEncoder 可处理类别变量。
限制：不适合深度学习/神经网络（应使用 PyTorch 或 TensorFlow）、大规模自然语言处理（spaCy 或 HuggingFace）以及大数据（Spark MLlib、Dask-ML）和实时流式预测。库要求数值输入，字符串类别需先编码。应避免在测试集上 fit 造成数据泄漏，注意类别不平衡与收敛警告，并设置 random_state 保证可复现。
官方文档：https://scikit-learn.org/stable/，用户指南：https://scikit-learn.org/stable/user_guide.html。