Scikit-Learn：

國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

一、 Scikit-Learn：

Scikit-Learn，簡稱為 SKlearn，為機器學習領域中 Python 的模塊之一。官 方網站中亦將其功能分為六大塊（如圖 3-1-1），

圖 3-1-1

圖表 3- 4 Scikit-learn 提供的 machine learning 算法地圖 資料來源：Sklearn

（一） 監督式學習--分類演算法（Classification） ：

分類主要識別給定對象之所屬類別，屬於監督式學習的演算法，演算 法包含支持向量機模型（Support Vector Machine , SVM）、K 最鄰近演算 法（K-Nearest Neighbor , KNN）、羅吉斯迴歸（Logistic Regression）、決 策樹（Decision Tree）、多層感知器（MLP, Multi-layer Perception）神經網 絡等，其應用於垃圾郵件檢測、圖像識別等。而由於 Scikit-Learn 不支援深 度學習，亦不支持 GPU 加速，因此對於多層感知器 MPL 的實現並不適合 於處理大規模的問題。

(二) 監督式學習--迴歸演算法（Regression）：

迴歸模型即為預測與給定對象相關聯的連續值屬性，亦為監督式學習 之模型之一，演算法包含支持向量迴歸（Support Vector Regression,

SVR）、脊迴歸（Ridge Regression）、最小角迴歸（LARS）以及貝斯迴歸

（Bayesian Regression）等模型，最常應用於預測藥物反應、預測股價價格

‧

(三) 非監督式學習--分群演算法（Clustering）：

聚類、分群即為自動辨識聚有相似屬性的給定對象，將其分組分群為 一個集合，屬於非監督式學習的模型之一，Scikit-Learn 演算法包含 K-均值 聚類（K-means）、均值偏移（Mean Shift）、分層具類及 DBSCAN 聚類 等，其中最常應用於顧客分群以及實驗結果分組等。

(四) 降低維度（Dimensionality Reduction）：

當數據具有大量屬性時，可透過降低維度的方法歸納屬性，透過降低 維度技術以減少要考慮的隨機變量個數，其演算法包含主成分分析（PCA, Principal Component Analysis）、非負矩陣分解（NMF, Non-negative Matrix Factorization）、特徵選擇等，應用於可視化處理或是於模型中提升效率。

(五) 模型選擇（Model selection）：

模型選擇則為給於給定參數以及模型的比較、驗證與選擇方法，目的 為透過參數調整來提升模型的精確度，Scikit-Learn 可選擇的模型包含了交 叉驗證法（Cross Validation）及各種針對預測誤差評估的度量函數，例如 均方差等。

(六) 資料的前處理（Preprocess）

資料的前處理為機器學習過程中最重要的環節，將輸入數據轉換為具

Scikit-Learn 作為專門面向機器學習 Python 開源框架，可在一定範圍內為開 發者提供相當多的幫助，更實現了各種成熟的演算法，釋例也相當豐富，其介 紹亦相當詳細，而另一方面，Scikit-Learn 的缺點則為不支持深度學習和強化學 習，此外，亦不支持圖模型及序列的預測，而若不考慮多層神經網絡的相關應 用，其性能表現由於內部演算法的高效率，且歸功於 Cython 的編譯氣，透過

‧

Cython 在 Scikit-Learn 框架內生成的 C 語言的運行方式，消除了大部分的性能 瓶頸。

本文將分析電子商務客戶之資料，將未知之客戶資訊透過購買行為分群，

屬於機器學習方法之聚類分析，因此將透過 Scikit-Learn 之聚類分析演算法，聚 類分析即透過未知之資訊中以找出其資料之間之相關性，集群之目標即為在數

因此，K-Means 演算法中心點的選擇相當重要，由於此演算法能夠保證收 斂，卻無法保證收斂於全局最優點，當初始中心點若選擇不好時，則只能達到

‧

「k-means++」。

5. algorithm：

有「auto」、「full」或是「elkan」三種選擇，其中，「full」即為傳統 的 K-Means 演算法、「elkan」為 elkan K-Means 演算法，而默認值

「auto」則會根據數據值是否稀疏來決定使用「full」或是「elkan」，若數 據為稠密的則選擇「elkan」，反之，若數據為稀疏的則選擇「full」，因此 一般建議使用默認之「auto」演算法進行分析。