机器学习的应用范围越来越广，很多人开始步入这个领域，学习新的知识，入门很重要，不然很容易放弃，哈哈，现在我通过学习，找到 的学习网站，并大概介绍了一下内容，供大家参考学习。

scikit-learn官网

这里面主要包含了：分类，回归，聚类，降维，模型选择，预处理，基本上概况了基本的机器学习算法，

网页地址：https://scikit-learn.org/stable/index.html

每个算法都有的数学公式，以及代码示例，这些代码示例，复制后直接能跑起来。

适用人群：对一般初学者来说可以快速体验算法功能，但要想深入理解算法原理，就有点困难（那些大神就例外啦）。

缺点就是全是英文的。但是现在的网页都提供了翻译的功能，可以适当的看。但是，但是，但是，有一个开源项目对这个网页进行了翻译和总结，可以不看英文啦，哈哈。

网址：https://github.com/apachecn/ml-mastery-zh/tree/master/docs/sklearn

先看看其中一部分内容，总结的挺详细的，重要的添加了自己的想法，也算是对原有文档的改进吧！！

还提供了各种学习资料，你还在为找学习资料苦恼吗？

后，看一看这个网址总结了那些知识点：

使用 Python 管道和 scikit-learn 自动化机器学习工作流程

https://github.com/apachecn/ml-mastery-zh/blob/master/docs/sklearn/automate-machine-learning-workflows-pipelines-python-scikit-learn.md

如何以及何时使用带有 scikit-learn 的校准分类模型

https://github.com/apachecn/ml-mastery-zh/blob/master/docs/sklearn/calibrated-classification-model-in-scikit-learn.md

如何比较 Python 中的机器学习算法与 scikit-learn

https://github.com/apachecn/ml-mastery-zh/blob/master/docs/sklearn/compare-machine-learning-algorithms-python-scikit-learn.md

使用重采样评估 Python 中机器学习算法的表现

https://github.com/apachecn/ml-mastery-zh/blob/master/docs/sklearn/evaluate-performance-machine-learning-algorithms-python-using-resampling.md

使用 Scikit-Learn 在 Python 中进行特征选择

https://github.com/apachecn/ml-mastery-zh/blob/master/docs/sklearn/feature-selection-in-python-with-scikit-learn.md

。。。。。。

还有很多，大家可以根据自己的需求，自行查看。