scikit-learn
预测数据分析的 Python 基石
scikit-learn 提供简单高效的工具，建立在 NumPy、SciPy、matplotlib 之上，开源且可商用（BSD 协议），是数据科学与传统 ML 的首选入口。
免费试用 · 无需下载即可在线体验
人人可用的机器学习
scikit-learn
scikit-learn 由 David Cournapeau 于 2007 年作为 Google Summer of Code 项目发起，此后由社区志愿者持续维护。它提供一套简单、高效、可复用的工具，用于预测数据分析，覆盖分类、回归、聚类、降维、模型选择与预处理等典型任务。
其设计哲学是「一致且易上手的 API」：fit / predict / transform 的统一接口让你在不同算法间无缝切换；同时它构建在 NumPy、SciPy 与 matplotlib 之上，与整个科学计算生态天然兼容，既适合入门学习，也能支撑生产级管线。
核心功能一览
六大核心能力，覆盖创作全流程
分类
垃圾邮件检测、图像识别等，提供梯度提升、KNN、随机森林、逻辑回归等算法。
回归
预测连续值属性，如药物反应、股价，支持梯度提升、随机森林、岭回归等。
聚类
自动把相似对象分组，用于客户分群、实验结果归类等无监督场景。
降维
PCA、特征选择、非负矩阵分解等方法，用于可视化与提升训练效率。
模型选择与预处理
网格搜索、交叉验证、指标评估，以及文本/数值特征提取与归一化。
零基础快速上手
4 步完成你的第一件 AI 作品，无需任何设计经验
安装 scikit-learn
确保已有 NumPy/SciPy，再用 pip install -U scikit-learn 或 conda install -c conda-forge scikit-learn。
准备数据
用 NumPy 数组或 Pandas 组织特征与标签，并按需做 train/test 切分。
训练与预测
实例化 estimator 后调用 fit 训练、predict 预测，统一接口贯穿所有算法。
评估与调参
用 cross_val_score、GridSearchCV 做验证与超参搜索，再用 metrics 评估效果。
常见问题解答
遇到问题？这里可能有你想要的答案
scikit-learn 能训练深度学习模型吗？
scikit-learn 聚焦于传统机器学习与浅层模型，不擅长大规模神经网络；深度学习任务通常交给 PyTorch、TensorFlow 或 Keras，scikit-learn 可负责前处理与评估环节。
scikit-learn 和商业使用冲突吗？
不冲突。scikit-learn 采用 3-Clause BSD 协议，允许商业使用、修改与再分发，只需保留版权声明即可。
与主流机器学习库对比
和同类工具横向对比，帮你选对工具。
| 对比维度 | scikit-learn | XGBoost | PyTorch |
|---|---|---|---|
| 定位 | 通用 ML 工具集 | 梯度提升专用 | 深度学习框架 |
| 代表任务 | 分类/回归/聚类/降维 | 表格数据梯度提升 | 神经网络训练 |
| 上手成本 | 低，API 一致 | 中，需理解 boosting | 高，需理解训练循环 |
| 底层依赖 | NumPy / SciPy / matplotlib | 自包含 C++ 核心 | torch / CUDA |
同类推荐工具
发现更多优质 AI 创作工具，找到最适合你的那一款
AI21 Labs
AI21 Labs 是 2017 年成立的独立基础模型公司，主打 Jamba 系列开源权重大模型——采用 Mamba-Transformer 混合架构、支持 256K 上下文，并以 Maestro 编排平台服务金融、医疗等受监管行业。
阿里云百炼
阿里云百炼（Model Studio）是一站式大模型开发平台，集成通义千问全 系列与 DeepSeek、Kimi、智谱 GLM 等三方模型，提供模型推理、微调（SFT/CPT/DPO）、部署、Agent 开发、RAG 知识库与 MCP 注册能力，并兼容 OpenAI 接口。
Anyscale
Anyscale 是 Ray 原创团队创立的托管式 AI 计算平台，为分布式模型训练、批量推理、RAG 管线、智能体编排与强化学习后训练提供生产级基础设施。基于 Ray 这一被 OpenAI、Uber、Shopify 等广泛使用的开源分布式引擎，支持多云（AWS / GCP / Azure 等）与 Bring-Your-Own-Cloud，按用量计费，新用户赠 $100 额度。
Apache Airflow
Apache 顶级开源项目，用 Python 代码定义有向无环图（DAG）来编排批处理工作流，拥有 1500+ 算子与庞大生态，是数据管道调度领域的事实标准。