scikit-learn 是 Python 中一個提供了許多機器學習算法和工具，內建的資料庫又稱為玩具資料。

1. 基本介紹(功能)

• 分類：將數據分類為不同的類別
• 回歸：預測數值型的輸出
• 聚類：將數據分組為相似的簇
• 降維：將數據的維度減少，如主成分分析(PCA)
• 模型選擇：包括交叉驗證和模型評估

2. 安裝 scikit-learn

pip install scikit-learn

3. 載入數據集

from sklearn import datasets
df_dia = datasets.load_diabetes()

4. 檢視數據集

import pandas as pd

# 檢視數據集
print(df_dia.keys())
# 輸出：dict_keys(['data', 'target', 'frame', 'DESCR', 'feature_names', 'data_filename', 'target_filename', 'data_module'])

5. 查看樣本的目標值(在回歸問題中，是我們想要預測的數值)

df_dia.target

6. 查看樣本特徵矩陣

df_dia.data

https://ithelp.ithome.com.tw/upload/images/20240901/201688111YNpahlClp.png

7. 創建 DataFrame

# 獲取特徵矩陣和目標變量
X = df_dia.data
y = df_dia.target

# 創建 DataFrame
df = pd.DataFrame(data=X, columns=df_dia.feature_names)
df['target'] = y

# 顯示前幾行數據
df.head()

8. 統計數據分析(平均值、標準差、最小值和最大值)

df.describe()

9. 相關性分析

# 計算特徵和目標變量之間的相關性
correlation_matrix = df.corr()

# 顯示與目標變量相關的特徵
print(correlation_matrix['target'].sort_values(ascending=False))