Scikit-learn 的工作原理是什么？

Scikit-learn 主要采用 Python 编写，并使用 NumPy 进行高性能线性代数以及数组运算。一些核心 Scikit-learn 算法则采用 Cython 编写，以提升整体性能。

作为更高级别的库，它包含各种机器学习算法的几种实施，Scikit-learn 让用户仅使用几行代码即可构建、训练和评估模型。

Scikit-learn 还提供一套统一的高级别 API，以供构建 ML 流程或工作流程使用。

在 Scikit-learn ML 流程中，您可以通过转换器传递数据并提取特征，使用估测器生成模型，并使用评估器测量模型的准确性。

Transformer：这是一种转换或输入数据，以进行预处理的算法。

Estimator：这是一种机器学习算法，用于训练或拟合数据，以构建可用于预测的模型。

流程：流程将多个转换器和估测器相连接，从而指定 ML 工作流程。