歡迎來到Scikit-learn教學系列的第一篇文章！本篇將帶你認識Scikit-learn這個強大的機器學習工具，了解機器學習的基本概念，並完成開發環境的設置。我們還會通過一個簡單的範例，探索Scikit-learn的內建資料集，開啟你的機器學習之旅！
什麼是Scikit-learn？
Scikit-learn（簡稱sklearn）是一個基於Python的開源機器學習庫，廣泛應用於資料分析與建模。它提供了簡單且高效的工具，涵蓋資料前處理、模型訓練、評估與部署等機器學習流程。Scikit-learn的特點包括：
- 易於上手：API設計直觀，適合初學者。
- 功能豐富：支援分類、回歸、聚類、降維等多種任務。
- 生態完整：與NumPy、Pandas、Matplotlib等Python套件無縫整合。
無論你是想預測房價、分類圖片，還是進行客戶分群，Scikit-learn都能幫助你快速實現！
機器學習基本概念
在深入Scikit-learn之前，讓我們先了解機器學習的核心概念：
- 機器學習（Machine Learning）：讓電腦從資料中學習規律並進行預測或決策，而無需明確的程式規則。
- 監督學習（Supervised Learning）：使用有標籤的資料進行訓練，例如預測房價（回歸）或辨識郵件是否為垃圾郵件（分類）。
- 非監督學習（Unsupervised Learning）：處理無標籤資料，例如將客戶分群（聚類）或降低資料維度（降維）。
- 資料集分割：通常將資料分為訓練集（用於學習）、驗證集（用於調參）和測試集（用於評估模型）。
Scikit-learn支援上述所有類型的任務，讓你能靈活應對不同問題。
設置開發環境
要開始使用Scikit-learn，你需要安裝Python及其相關套件。以下是步驟：
1. 安裝Python
建議使用Python 3.8或以上版本。你可以從官方網站下載，或使用Anaconda管理Python環境。
我們推薦超好用的Python集成開發環境－PyCharm！安裝教學文章連結點此：[Python教學] 開發環境安裝與設定教學－Pycharm。
2. 安裝必要套件
Scikit-learn依賴以下套件：
- NumPy：處理數值計算。
- Pandas：管理資料框架。
- Matplotlib與Seaborn：資料視覺化。
- Scikit-learn：核心機器學習庫。
使用pip安裝這些套件：
pip install numpy pandas matplotlib seaborn scikit-learn
3. 驗證安裝
在Python環境中執行以下程式碼，確認安裝成功：
import sklearn
print(sklearn.__version__)
如果輸出版本號（例如1.6.1），表示環境設置完成！
簡單範例：探索Iris資料集
讓我們通過Scikit-learn的內建Iris資料集，來體驗資料載入與視覺化的過程。Iris資料集包含150筆鳶尾花資料，每筆資料有4個特徵（花萼長度、花萼寬度、花瓣長度、花瓣寬度）與3個類別（Setosa、Versicolor、Virginica）。
程式碼範例
以下程式碼展示如何載入Iris資料集並繪製散點圖：
# 匯入必要套件
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.datasets import load_iris
# 載入Iris資料集
iris = load_iris()
X = iris.data # 特徵
y = iris.target # 標籤
feature_names = iris.feature_names
target_names = iris.target_names
# 將資料轉為Pandas DataFrame以便處理
df = pd.DataFrame(X, columns=feature_names)
df['species'] = pd.Categorical.from_codes(y, target_names)
# 繪製散點圖
plt.figure(figsize=(8, 6))
sns.scatterplot(data=df, x='sepal length (cm)', y='sepal width (cm)', hue='species', style='species', s=100)
plt.title('Iris Dataset - Sepal Length vs Sepal Width')
plt.xlabel('Sepal Length (cm)')
plt.ylabel('Sepal Width (cm)')
plt.legend(title='Species')
plt.savefig('iris_scatter.png')
plt.show()
程式碼解釋
- 載入資料：load_iris()從Scikit-learn中讀取Iris資料集，X儲存特徵，y儲存標籤。
- 轉為DataFrame：使用Pandas將資料整理為表格，方便操作。
- 視覺化：使用Seaborn繪製散點圖，展示花萼長度與寬度的分佈，並以不同顏色和形狀區分物種。
運行程式碼後，你會看到一張散點圖，顯示三種鳶尾花的分佈情況。這是機器學習的第一步：了解你的資料！
練習：探索Wine資料集
現在輪到你動手試試！請完成以下練習：
- 使用Scikit-learn的load_wine()載入Wine資料集。
- 將資料轉為Pandas DataFrame，檢查特徵名稱與標籤。
- 選擇兩個特徵（例如alcohol與malic_acid），繪製散點圖，並以類別區分顏色。
- 保存圖表為wine_scatter.png。
以下是範例程式碼的起點：
from sklearn.datasets import load_wine
# 載入Wine資料集
wine = load_wine()
X = wine.data
y = wine.target
feature_names = wine.feature_names
target_names = wine.target_names
# 你的程式碼從這裡開始...
總結
恭喜你完成了Scikit-learn的第一課！本篇文章介紹了Scikit-learn的用途、機器學習的基本概念，並帶你設置環境與探索Iris資料集。通過程式碼範例與視覺化，你已經邁出了成為資料科學家的第一步。
在下一篇文章中，我們將深入探討資料前處理，學習如何清理與準備資料，為模型訓練做好準備。請繼續練習，並在留言區分享你的Wine資料集散點圖！
資源與進階學習
- Scikit-learn官方文件：https://scikit-learn.org/stable/
- Python與資料科學入門：《Python Data Science Handbook》
- 練習平台：Kaggle（https://www.kaggle.com/）
