SKLearn算法库的顶层设计

一、SKLearn各个模块
（一）监督学习的各个模块
1、neighbors近邻算法
2、svm支持向量机算法
3、kernal_ridge核岭回归
4、neighbors近邻算法
5、discriminant_analysis判别分析
6、linear_model广义线性模型
7、ensemble集成方法
8、tree决策树
9、naive_bayes朴素贝叶斯
10、cross_decomposition交叉分解
11、gaussian_process高斯过程
12、neural_network多层神经网络
13、calibration概率校准
14、isotonic保序回归
15、feature_selection监督特征选择
16、multiclass多类多标签算法
（二）无监督学习的各个模块
1、decomposition矩阵因子分解
2、cluster聚类分析
3、manifold流形学习
4、mixture高斯混合模型
5、neural_network无监督神经网络
6、density密度估计
7、covariance协方差估计
（三）数据变换模块
1、feature_extraction特征抽取
2、feature_selection特征选择
3、preprocessing数据预处理
4、random_projection随机投影
5、kernel_approximation核逼近
6、pipline管道流