一、它管什么，不管什么

pandas 管数据、matplotlib 管画图、sklearn 管建模，三件套分工很清楚。 它不负责读文件、不负责画图、也不做深度学习。 神经网络要装 pytorch 或 tensorflow，那是另一条线，和 sklearn 不是替代关系。

它的强项是把上百种经典算法做成一个统一接口，换算法几乎不用改代码。

二、装法：一行就够

pip install scikit-learn，它依赖 numpy 和 scipy，会自动带上。 国内网络慢就加镜像：-i https://mirrors.aliyun.com/pypi/simple/。 包名带横杠，导入名不带。pip 装的是 scikit-learn，代码里写 import sklearn。

装完 import 一下不报错，就说明好了。版本号用 sklearn.__version__ 查。

三、三步走遍全库

三步走遍全库。线性回归、岭回归、SVM、KMeans，这三行的形状都不变。 KMeans 没有 y，fit 只接一个参数——这是唯一要留心的例外。 这个统一接口是 sklearn 最大的价值：学一个等于学一百个。

四、X 二维、y 一维

训练数据的形状是（样本数，特征数），哪怕只有一个特征，也得写成 n 行 1 列。 一维的 [1, 2, 3] 直接塞进去，会报 Expected 2D array。 改法：X.reshape(-1, 1)。第 6 章学的 reshape，在这里终于派上大用。

y 反过来，是一维的（样本数，）。X 二维、y 一维，这个组合要背下来。

五、第一个例子：六个样本

面积 62、75、88、95、105、118 平米，价格 78 到 163 万。 训练完系数是 1.5798，截距 -22.1394。 预测 100 平米：135.84 万元。

系数 1.58 的意思是「面积每多一平米，价格多 1.58 万」。 这句话就是模型的全部内容。所谓「模型」，说穿了就是一串系数。

六、动手 Demo：Scikit-Learn 是什么、怎么装

先确认版本，再用六个样本跑一遍完整的三步。 顺带把 X 二维、y 一维这条规矩用代码验证一次。

import numpy as np
import sklearn
from sklearn.linear_model import LinearRegression

print("sklearn 版本 %s" % sklearn.__version__)

X = np.array([[62], [75], [88], [95], [105], [118]])
y = np.array([78, 92, 118, 128, 146, 163])
print("X 形状 %s，y 形状 %s" % (X.shape, y.shape))

m = LinearRegression()
m.fit(X, y)
print("系数 %.4f，截距 %.4f" % (m.coef_[0], m.intercept_))
print("预测 100 平米：%.2f 万元" % m.predict([ [100]])[0])

try:
    LinearRegression().fit(np.array([62, 75, 88]), np.array([78, 92, 118]))
except ValueError as e:
    print("塞一维 X：%s" % str(e).split(chr(10))[0][:60])

X2 = np.array([62, 75, 88]).reshape(-1, 1)
print("reshape 之后 X 形状 %s" % (X2.shape,))

实跑输出：

--------------------------------------------------------------------
Scikit-Learn 是什么、怎么装
--------------------------------------------------------------------

  ① 它是什么
  --------------------------------------------------------------------
  scikit-learn 是一个机器学习算法库，本机版本 1.9.1。
  它的定位很清楚：算法在这里，数据要你自己准备。
  做数据分析的三件套分工：pandas 管数据、matplotlib 管画图、sklearn 管建模。
  ! 它不做深度学习。神经网络要装 pytorch 或 tensorflow，那是另一条线。

  ② 装法
  --------------------------------------------------------------------
  pip install scikit-learn 就够了，它依赖 numpy 和 scipy，会自动带上。
  国内网络建议加镜像：pip install -i https://mirrors.aliyun.com/pypi/simple/ scikit-learn
  装完 import sklearn 不报错，就说明好了。
  ! 包名带横杠，导入名不带：pip 装的是 scikit-learn，代码里写 sklearn。

  ③ 所有模型都是同一个套路
  --------------------------------------------------------------------
  第一步 建模型：m = LinearRegression()
  第二步 训练：m.fit(X, y)
  第三步 预测：m.predict(X_new)
  三步走遍全库。换了算法，这三行一个字都不用改。
  ! 这个统一接口是 sklearn 最大的好处，学一个等于学一百个。

  ④ X 必须是二维的
  --------------------------------------------------------------------
  训练数据的形状是（样本数，特征数）。哪怕只有一个特征，也得写成 n 行 1 列。
  一维的 [1, 2, 3] 直接塞进去，会报 Expected 2D array。
  改法很简单：X.reshape(-1, 1)，第 6 章学的 reshape 在这里派上用场。
  ! y 是一维的，形状是（样本数，）。X 二维、y 一维，这个组合要记牢。

  ⑤ 第一个完整例子
  --------------------------------------------------------------------
  六个样本，一个特征（面积），目标是价格。
  学到的系数 1.5798，截距 -22.1394。
  预测 100 平米的房价：135.84 万元。
  系数 1.58 的意思是「面积每多一平米，价格多 1.58 万」。这句话就是模型的全部内容。
  ! predict 的入参也必须是二维，所以写 [ [100]] 而不是 [100]。

predict([ [100]]) 里的双层方括号不是装饰：预测也要二维，一行一列。 coef_ 和 intercept_ 带下划线，是「训练之后才有」的属性。没 fit 就取，会报错。 这个下划线约定要记住：带下划线的都是学出来的，不带的是你设的。

30 秒实验

1. 把最后一行 118 平米 / 163 万删掉，重训一次，看系数怎么变。
2. 把 reshape(-1, 1) 去掉，看报错信息到底说了什么。
3. 想一想：如果模型只有一个系数和一个截距，它凭什么能预测？

常见误区

1. 把 X 写成一维：报 Expected 2D array，改成 n 行 1 列。
2. predict 传一维：也要二维，写 [ [100]]。
3. 没 fit 就取 coef_：属性还不存在，直接报错。
4. 以为 sklearn 能读 Excel：读文件是 pandas 的活，sklearn 只吃数组。

接口会用了。下一篇拿十八套房真跑一次回归，把 R 方和 RMSE 讲清楚。

• ☐ （本篇完，下一篇 8.2 最小二乘回归：预测房价）

相关笔记

• 最小二乘回归：预测房价
• 岭回归：给系数上缰绳
• 重塑与增、删、改、查
• 📊 Python 数据分析 · 索引