sklearn是python的重要機器學習庫，其中封裝了大量的機器學習算法，如：分類、回歸、降維以及聚類；還包含了監督學習、非監督學習、數據變換三大模塊。sklearn擁有完善的文檔，使得它具有了上手容易的優勢；它內置了大量的數據集，節省了獲取和整理數據集的時間。因而，使其成為了廣泛應用的重要的機器學習庫。

學習連接：http://www.cnblogs.com/lianyingteng/p/7811126.html

下面是自己用到的一些函數：

1. train_test_split

　　這個函數是用來將總的數據集劃分為訓練集和測試集的

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=4)

參數：

　　1. X - 特征集

　　2. y - 標簽集

　　3. 0-1之前表示的測試集占比，整數的話表示測試集樣本數

　　4. 隨機數種子，為1的話表示每次產生隨機數一樣

2. to_categorical(y, num_classes=None, dtype=‘float32‘)

　　將整形標簽轉為onehot

Y_train = np_utils.to_categorical(y_train, nb_classes)
Y_test = np_utils.to_categorical(y_test, nb_classes)

　　參數：

　　1. int數組

　　2. 標簽類別總數

python庫sklearn中的一些函數（更新ing...）