scikit-learn · scikit-learn developers
scikit-learn Getting Started
运行估计器、预测与预处理，并理解 Pipeline 和训练/测试划分。
scikit-learn
- 难度
- 见前置条件
- 形式
- 实践教程
- 语言
- 英文
- 规模
- 6 个课节
- 内容费用
- 免费
- 动手
- 需要动手环境
学完你能
- 运行估计器、预测与预处理，并理解 Pipeline 和训练/测试划分。
适合你吗
适合
已有 Python 和基础机器学习概念，需要开始使用 scikit-learn 的人
暂不适合
不适合完全不懂拟合、预测和交叉验证概念的零基础读者
需要先会
Python；拟合、预测和交叉验证基本概念
课程特点
- 内容侧重
- 按内容目录判断
- 练习与项目
- 依次运行原页 fit/predict、预处理、Pipeline、模型评估和参数搜索的代码；学习者自己改变训练/测试划分，检查预处理是否只在训练集拟合。 先运行指南中 DecisionTreeClassifier 的 fit/predict 示例，输出 [0, 1]；这是接口检查，不是泛化表现评估。使用课程独立虚拟环境，记录实际包版本。
- 学习时长
- 6 个课节原站未给出统一学习时长；实际用时取决于已有基础。
- 内容费用
- 免费官方公开文档可直接阅读，无需付费账号
内容覆盖
- 估计器与预测
- 预处理
- Pipeline
- 交叉验证
来源与使用须知
- 原始资源
- scikit-learn 收录版本：stable 文档（核验时 1.9.1；本机运行版本另记）
- 收录时间
- 本站首次收录 2026-10-10
版权与转载
- BSD：代码可自由使用和修改，需保留版权声明；适用范围以原站说明为准，第三方材料可能另有条款。原站说明
- 本站只提供原始链接和学习指南，不转载、不镜像课程材料；课程图像来自原站，版权与商标归原权利人；引用时请注明原作者与出处。