【python sklearn 機器學習】sklearn.model_selection 介紹

最近做項目接觸到了sklearn模塊，覺得非常好用，許多算法都已經實現了，還有很多實用功能，第一次接觸還是有些不熟悉，因此把學習到的內容記錄下來，以供自己或他人參考使用。

對於機器學習和sklearn也是才接觸不久，如果有錯誤之處，請指正。

簡介

官方API文檔：sklearn.model_selection。這個模塊主要是對數據的分割，以及與數據划分相關的功能。會在哪里划分數據能，這里先說一下機器學習的流程，我對機器學習流程的理解為：

1. 收集數據
2. 選擇訓練的數據。並不是所有搜集到的數據都可能用到。
3. 將數據划分為訓練集和測試集
4. 選擇模型
5. 確定模型的參數
6. 使用測試集評估模型

這其中涉及到兩次對於數據的划分，分別在步驟5和步驟6，這里使用兩幅圖可能容易理解一些：

1. 有點像數據流圖

   

2. 結合交叉驗證划分的圖

   

模塊

所有的模塊有以下這么多，這里我主要分成了5塊。

1、2、3 參考：https://scikit-learn.org/stable/modules/cross_validation.html#cross-validation
5 參考: https://scikit-learn.org/stable/modules/learning_curve.html#learning-curve 和 https://blog.csdn.net/liujing319/article/details/86478574

待續。。。。。。。