【python sklearn 机器学习】sklearn.model_selection 介绍

最近做项目接触到了sklearn模块，觉得非常好用，许多算法都已经实现了，还有很多实用功能，第一次接触还是有些不熟悉，因此把学习到的内容记录下来，以供自己或他人参考使用。

对于机器学习和sklearn也是才接触不久，如果有错误之处，请指正。

简介

官方API文档：sklearn.model_selection。这个模块主要是对数据的分割，以及与数据划分相关的功能。会在哪里划分数据能，这里先说一下机器学习的流程，我对机器学习流程的理解为：

1. 收集数据
2. 选择训练的数据。并不是所有搜集到的数据都可能用到。
3. 将数据划分为训练集和测试集
4. 选择模型
5. 确定模型的参数
6. 使用测试集评估模型

这其中涉及到两次对于数据的划分，分别在步骤5和步骤6，这里使用两幅图可能容易理解一些：

1. 有点像数据流图

   

2. 结合交叉验证划分的图

   

模块

所有的模块有以下这么多，这里我主要分成了5块。

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

待续。。。。。。。