第1章 Scikit-learn 基础
文档摘要
第1章 · Scikit-learn 基础 章节摘要：本章解决两个前置问题——Scikit-learn 到底是什么、它的内部怎么组织。我们不急着推导任何算法，而是先把这座工具箱打开给你看：它跟 NumPy、Pandas 这些底层库是什么关系，跟 TensorFlow、PyTorch 又划在哪条边界上。读完你能分清"即用型工具集"和"底层框架"两种定位，能对着模块地图找到数据从加载、预处理到建模、评估该走哪条路径。这一章是整个教程的地基，后面几章的估计器、转换器、管道，都建立在"统一接口"这个设计前提之上。
第1章 · Scikit-learn 基础
章节摘要：本章解决两个前置问题——Scikit-learn 到底是什么、它的内部怎么组织。我们不急着推导任何算法，而是先把这座工具箱打开给你看：它跟 NumPy、Pandas 这些底层库是什么关系，跟 TensorFlow、PyTorch 又划在哪条边界上。读完你能分清"即用型工具集"和"底层框架"两种定位，能对着模块地图找到数据从加载、预处理到建模、评估该走哪条路径。这一章是整个教程的地基，后面几章的估计器、转换器、管道，都建立在"统一接口"这个设计前提之上。
你能学到什么
阅读完本章，你应当能够：
- 说清 Scikit-learn 的定位，以及它与底层科学计算库、深度学习框架的分工边界
- 判断一个任务该不该用 Scikit-learn，而不是只会"都跑一遍试试"
- 按功能分区描述它的核心模块，知道每个模块负责哪一段工作
- 用概念性的最小代码跑通"加载数据、训练、预测"这条主线
- 为第 2 章深入估计器、转换器、管道铺好认知基础
核心概念速览
本章只立两根柱子："是什么"（1.1 简介）和**"怎么组织"**（1.2 核心模块）。下面这张图是章内逻辑的鸟瞰，也是全书骨架的入口。
一句话点题：Scikit-learn 不是让你从零造轮子，而是把机器学习里每个环节都做成了一个"接口一致的零件"，你的工作是看懂这些零件怎么拼。
这里再点破一层：把"是什么"和"怎么组织"分开看，是为了先让你接受一个反直觉的结论——Scikit-learn 的学习成本主要不在算法，而在接口。算法你早晚会逐个遇到，接口却从头到尾只有一套。先把它吃透，后面再多的模块也只是往这套骨架上挂肉。
下面这张模块地图把核心模块按功能区摊开：左边是数据入口，中间是特征加工与模型，右边是评估与组合。它不是官方目录树，而是一张"该去哪找工具"的地图。
图：Scikit-learn 模块地图
模块分区的文字版如下，方便你对照记忆：
| 功能分区 | 核心模块 | 回答的问题 |
|---|---|---|
| 数据入口 | datasets | 数据从哪来 |
| 特征加工 | preprocessing、feature_selection | 数据怎么变干净、变好用 |
| 切分与调参 | model_selection | 怎么切数据、怎么选参数 |
| 监督学习 | linear_model、tree、ensemble、svm、neighbors、naive_bayes | 有标签，怎么学会预测 |
| 无监督学习 | cluster、decomposition、manifold | 没标签，怎么发现结构 |
| 评估与组合 | metrics、pipeline | 怎么打分、怎么把步骤串起来 |
这张地图里藏着两个设计承诺。第一个是接口统一——不论你在哪个分区拿到的零件，行为方式都一致：fit 就是学、predict 就是猜，跨模块没有第二种方言。第二个是模块单一职责——datasets 只负责给数据，不掺和怎么切；metrics 只负责打分，不掺和怎么训。两个承诺加在一起，你才敢把一个模块的零件放心地交给另一个模块去组合，而不是每拼一步都担心接口对不上。
子章节导航
1.1 Scikit-learn 简介
回答"它是什么、能干什么、边界在哪"。这一节先用一段能跑的最小例子建立手感——加载鸢尾花、切分、标准化、训练、打分，五步走完一遍。再回头讲定位：它是一套即用型工具集，站在 NumPy、SciPy 之上，专攻传统机器学习；跟 TensorFlow、PyTorch 走的是两条不同的路，一个管"现成模型怎么用对"，一个管"网络结构怎么造"。
1.2 Scikit-learn 的核心模块
把库按功能拆成几个区——数据、预处理、模型选择、监督学习、无监督学习、管道。这一节逐个讲清每个模块管哪一段、典型零件是什么、什么时候用，让你在写代码前先在脑子里有张地图，而不是在错误的地方找接口。
子章节之间的逻辑关系
两节的接力点在于"接口"二字：1.1 反复强调的 fit / predict 一致性，正是 1.2 里每个模块能够互相拼装的前提。没有统一接口，模块就只是散落的零件；有了它，模块才是一条能跑的流水线。
1.1 先立"统一接口"这个前提，1.2 再用模块地图把前提落到具体零件上。没有 1.1 的定位，1.2 的模块清单就只是一串需要死记的名字。
即用型工具集（1.1） │ 统一接口这个设计前提 ▼ 核心模块分区（1.2） │ datasets 进 → preprocessing 洗 → model_selection 切 → 算法建模 → pipeline 串 ▼ 第 2 章 估计器 / 转换器 / 预测器（把模块背后的三种对象抽象讲透）
前置知识与后续延伸
- 前置：会用 Python 写函数、知道 NumPy 数组和 Pandas 表格长什么样即可。对"特征"和"标签"有粗浅印象更好，没有也不影响读本章。
- 为后续铺垫：本章的"统一接口"是第 2 章的引子；"模块分区"是第 3 章四类实战任务的地图；"即用型 vs 底层框架"的边界感，会一直用到第 4 章讨论与深度学习的结合。
把这两节读完，你手上就多了一张"工具在哪、怎么串"的地图。接下来第 2 章要做的，是把地图上那些零件背后的三种对象——估计器、转换器、预测器——一个个拆开，看清它们到底在"学什么、转什么、猜什么"。
⚠️ 一个常被忽略的前提：本章讲的是"怎么用对"，不是"算法怎么推"。别急着跳进公式，先把工具在哪、接口长什么样摸熟，后面能省很多事。
💡 关键直觉：Scikit-learn 里几乎每个零件都长着同一副面孔——
fit学、transform转、predict猜。记住这三板斧，本章你就抓住了大半。
本章要点回顾
- 定位：Scikit-learn 是即用型工具集，站在 NumPy、SciPy 之上，管"现成模型怎么用对"，不管"网络结构怎么造"。
- 两条设计承诺：接口统一（fit 学、transform 转、predict 猜，跨模块无方言）与模块单一职责（每个模块只管一段工作）。
- 模块地图：datasets 给数据、preprocessing 洗数据、model_selection 切数据与调参、各算法包建模、metrics 打分、pipeline 串联。
- 学习成本在接口不在算法：接口只有一套，算法有几百个，先吃透接口再逐个认识算法。
地图在手，下一步进第 2 章——把模块背后的三种对象（估计器、转换器、预测器）拆开讲透。