sklearn库的功能(sklearn库是什么)

扫码添加渲大师小管家，免费领取渲染插件、素材、模型、教程合集大礼包！

大家好，今天来介绍sklearn库的功能的问题，以下是渲大师小编对此问题的归纳和整理，感兴趣的来一起看看吧！

Sklearn库

Python Scikit-learn：一组简单有效的工具集。依赖Python和NumPy、SciPy、matplotlib库。是开源和可复用的

Sklearn是Scikit-learn的简称，是基于Python的第三方模块，集成了常用的机器学习方法，在进行学习任务时，并不需要实现算法，只需要简单的调用库中提供的模块就能完成大多数的机器学习任务
Sklearn是在NumPy、SciPy、matplotlib的基础上开发而成，因此宴好安装前需要先安装依赖库

安装顺序：NumPy库、晌旁铅SciPy库、matplotlib库、Sklearn库

目录
Python机器学习应启樱用
一、 Sklearn库
二、 无监督学习
三、 有监督学习

sklearn导入自己的图片

sklearn库主要是用于机器学习算法的实现和数据处理，不支持导入图片这类功能。亩培因此，如果需要导入自己的图片，需要使用其他的库来实现，如Pillow、OpenCV等。

Pillow是Python的一个图像处理库，可以实现图像的读取、编辑、保存等功能，对于sklearn库无法处理的图像数据，可以使用Pillow来将其转换为sklearn可处理的数据格式。比如，可以将图像转换为灰度图像、二值图像或者RGB图像，然后将其转换为numpy数组格式，再输入到sklearn算法中进行训练和预测。

OpenCV是一个开源的计算机视觉库，主要用于图像和视频处理。它支持多种编程语言，包吵哗括Python。使用OpenCV可以实现图像的读取、处理、显示等功能，还支持图像的特征提取和匹升耐行配等高级功能。通过OpenCV，我们可以将图像转换为numpy数组格式，然后输入到sklearn算法中进行训练和预测。

综上所述，虽然sklearn库不支持导入自己的图片，但是我们可以使用其他的图像处理库来实现，将图像转换为numpy数组格式，再输入到sklearn算法中进行训练和预测。

1、scikitlearn和tensorflow的区别

1、scikit-learn和tensorflow的区别

功能不同

Scikit-learn(sklearn)的定位是通用机器学习库 ，而 TensorFlow(tf)的定位主要是深度学习库 。一个显而易见的不同：tf并未提供sklearn那种强大的特征工程，如维度压缩、特征选择等。究其根本，我认为是因为机器学习模型的两种不同的处理数据的方式：

传统机器学习：利用特征工程(feature engineering)，人为对数岁握据进行提炼清洗

深度学习：利用表示学习(representation learning)，机器销雀猛学习模型自身对数据进行提炼

sklearn更倾向于使用者可以自行对数据进行处理 ，比如选择特征、亏桥压缩维度、转换格式，是传统机器学习库。而以tf为代表的深度学习库会自动从数据中抽取有效特征，而不需要人为的来做这件事情，因此并未提供类似的功能。

1、scikit-learn和tensorflow的区别 https://www.jianshu.com/p/0837b7c6ce10

使用 sklearn 库中的 KMeans 实现彩色图像聚类分割

sklearn 库是最为常用且经典的机器学习库，里面封装了许多机器学习算法，此篇文章使用此库中的 KMeans 算法，从而实现图像的聚类分割。

本文不讲理论，只谈应用。

除了 sklearn 库之外，还需要一些图像处理的库，我引入了如下几个库：

我使用了 pylab 库来读入图片：

此时读入的 img 是一个三维 numpy 数组，其形状为 (height, width, 3) ，其中3是指通道数，即 RGB 三个通道。

但是， KMeans 传入的参数必须是二维数组，故，还需要将其打散为二维：

在此构建时，只需要使用最简单的方法即可：

参数有很多，我在构建的时候除了 n_clusters 都使用的默认值：

然后，使用 fit() 进行训练山滚：

聚类之后，有很多参数，比较重要的，以及此处需要用到的主要有俩：

聚类完成之后，需要将每个像素点重新填色，将同一类的像素点均填为此类聚类中心的颜色。

在此之前，首先需要得到图片的高度和宽度：

首先用 image.new() 重新创建一个图片，其语法如下：

然后需要用 putpixel() 方如渗法来填充像素，但是在此之前，还需要处理几个小细渣唯脊节：

RGB图中，每个通道都是 0-255 之间的整数，但是， kmeans.cluster_centers_ 中元素类型却是 float64 ，故在填充之前，还需要小小处理一番，将元素变为 int32 类型的。

直接转变类型不太合适，因为 kmeans.cluster_centers_ 毕竟是类似于一个属性值的东西，而且这个名字太长，换一个简短的也是好的。故重新复制一份再使用 astype 更改数据类型即可。

上面便提到， kmeans.labels_ 是一个一维数组，但是图片是二维的，所以将其恢复过来即可：

然后便可以 填充像素 了：

这里需要注意 putpixel() 方法，其的两个参数：

最后保存图片即可：

我使用了王者荣耀大乔的图片来做测试：