Scikit-learn（sklearn）是一个用于机器学习的Python库，它提供了简单高效的工具用于数据分析和建模。以下是scikit-learn的主要模块及其包含内容的体系结构介绍：

1. 数据集模块 (sklearn.datasets)

用于加载和生成各种数据集。

• load_* 系列：加载小规模的内置数据集，如 load_iris、load_boston 等。
• fetch_* 系列：从外部来源获取较大规模的数据集，如 fetch_20newsgroups、fetch_olivetti_faces 等。
• make_* 系列：生成人造数据集用于测试和验证算法，如 make_classification、make_blobs 等。

2. 预处理模块 (sklearn.preprocessing)

用于特征预处理和数据归一化。

• StandardScaler：标准化数据，均值为0，方差为1。
• MinMaxScaler：将特征缩放到一个给定的最小值和最大值之间。
• Normalizer：将每个样本缩放到单位范数。
• Binarizer：将特征值二值化。
• OneHotEncoder：将分类特征编码为one-hot格式。

3. 模型选择模块 (sklearn.model_selection)

用于选择和验证模型。

• train_test_split：拆分数据集为训练集和测试集。
• cross_val_score：进行交叉验证。
• GridSearchCV：通过网格搜索进行参数调优。
• RandomizedSearchCV：通过随机搜索进行参数调优。

4. 特征选择模块 (sklearn.feature_selection)

用于选择重要特征。

• SelectKBest：选择K个最佳特征。
• RFE（Recursive Feature Elimination）：递归特征消除。
• SelectFromModel：基于模型选择特征。

5. 降维模块 (sklearn.decomposition)

用于数据降维。

• PCA（Principal Component Analysis）：主成分分析。
• KernelPCA：核主成分分析。
• TruncatedSVD：截断奇异值分解。
• FactorAnalysis：因子分析。

6. 集成方法模块 (sklearn.ensemble)

用于集成多种模型的方法。

• RandomForestClassifier、RandomForestRegressor：随机森林。
• GradientBoostingClassifier、GradientBoostingRegressor：梯度提升树。
• AdaBoostClassifier、AdaBoostRegressor：自适应提升算法。
• VotingClassifier、VotingRegressor：投票分类器/回归器。
• BaggingClassifier、BaggingRegressor：装袋算法。

7. 线性模型模块 (sklearn.linear_model)

用于线性回归和分类模型。

• LinearRegression：线性回归。
• LogisticRegression：逻辑回归。
• Ridge、Lasso：带正则化的线性模型。
• ElasticNet：弹性网络模型。
• SGDClassifier、SGDRegressor：随机梯度下降。

8. 支持向量机模块 (sklearn.svm)

用于支持向量机算法。

• SVC：支持向量分类。
• SVR：支持向量回归。
• LinearSVC、LinearSVR：线性支持向量分类/回归。

9. 树模型模块 (sklearn.tree)

用于决策树模型。

• DecisionTreeClassifier：决策树分类器。
• DecisionTreeRegressor：决策树回归器。

10. 聚类模块 (sklearn.cluster)

用于聚类算法。

• KMeans：K均值聚类。
• DBSCAN：基于密度的聚类。
• AgglomerativeClustering：层次聚类。
• MeanShift：均值漂移聚类。

11. 神经网络模块 (sklearn.neural_network)

用于神经网络模型。

• MLPClassifier：多层感知器分类器。
• MLPRegressor：多层感知器回归器。

12. 核方法模块 (sklearn.kernel_approximation)

用于近似内核方法。

• RBFSampler：RBF核采样。
• Nystroem：Nystroem方法。

13. 度量模块 (sklearn.metrics)

用于评估模型性能。

• 分类度量：如 accuracy_score、f1_score 等。
• 回归度量：如 mean_squared_error、r2_score 等。
• 聚类度量：如 adjusted_rand_score、silhouette_score 等。
• ROC曲线和AUC：如 roc_curve、auc 等。

14. 管道模块 (sklearn.pipeline)

用于将多个步骤封装为一个管道。

• Pipeline：创建一个流水线对象。
• FeatureUnion：特征联合。

15. 异常检测模块 (sklearn.ensemble 和 sklearn.covariance)

用于异常检测。

• IsolationForest：孤立森林。
• EllipticEnvelope：椭圆包络法。

16. 高斯过程模块 (sklearn.gaussian_process)

用于高斯过程回归和分类。

• GaussianProcessClassifier：高斯过程分类器。
• GaussianProcessRegressor：高斯过程回归器。
• kernels：定义和组合高斯过程的内核，如 RBF、Matern 等。

17. 半监督学习模块 (sklearn.semi_supervised)

用于半监督学习模型。

• LabelPropagation：标签传播。
• LabelSpreading：标签扩散。

18. 多标签和多输出模块 (sklearn.multioutput)

用于多标签和多输出学习任务。

• MultiOutputClassifier：用于多标签分类。
• MultiOutputRegressor：用于多输出回归。
• ClassifierChain：分类器链。
• RegressorChain：回归器链。

19. 度量学习模块 (sklearn.neighbors)

用于最近邻算法和度量学习。

• KNeighborsClassifier：k近邻分类器。
• KNeighborsRegressor：k近邻回归器。
• NearestNeighbors：最近邻搜索。
• RadiusNeighborsClassifier：半径近邻分类器。
• RadiusNeighborsRegressor：半径近邻回归器。
• BallTree、KDTree：空间树数据结构。

20. 协同过滤和推荐系统模块 (sklearn.recommendation)

用于推荐系统的协同过滤方法（在较新版本中逐渐完善）。

• NearestNeighbors：基于邻居的推荐方法。

21. 内核密度估计模块 (sklearn.neighbors 和 sklearn.kernel_density)

用于非参数密度估计。

• KernelDensity：核密度估计。

22. 朴素贝叶斯模块 (sklearn.naive_bayes)

用于朴素贝叶斯分类算法。

• GaussianNB：高斯朴素贝叶斯。
• MultinomialNB：多项式朴素贝叶斯。
• BernoulliNB：伯努利朴素贝叶斯。
• ComplementNB：补充朴素贝叶斯。

23. 决策函数模块 (sklearn.calibration)

用于概率校准和决策函数。

• CalibratedClassifierCV：校准后的分类器。

24. 模型持久化模块 (sklearn.externals 和 joblib)

用于模型的持久化和加载。

• joblib.dump：保存模型。
• joblib.load：加载模型。

25. 集成方法的不同组合 (sklearn.ensemble)

用于组合不同的模型。

• StackingClassifier、StackingRegressor：堆叠模型。
• VotingClassifier、VotingRegressor：投票方法。

26. 数据转换模块 (sklearn.compose)

用于数据转换和组合。

• ColumnTransformer：对特定列应用不同的预处理器。
• TransformedTargetRegressor：在回归目标值上应用转换器。
• make_column_transformer：方便地创建列变换器。
• make_column_selector：选择特定类型的列。

27. 检查器和验证模块 (sklearn.utils.validation)

用于输入数据和模型的验证。

• check_X_y：验证特征矩阵和目标向量。
• check_array：验证单个数组。
• check_is_fitted：检查估计器是否已拟合。

28. 仿真模块 (sklearn.utils.estimator_checks)

用于测试自定义估计器是否符合scikit-learn的接口标准。

• check_estimator：对估计器进行一系列一致性检查。
• parametrize_with_checks：参数化测试自定义估计器。

29. 数学工具模块 (sklearn.utils.extmath)

用于提供数学工具和计算功能。

• safe_sparse_dot：安全处理稀疏矩阵的点积运算。
• row_norms：计算行的范数。
• density：计算稀疏矩阵的密度。

30. 优化模块 (sklearn.utils.optimize)

用于提供优化工具。

• linear_sum_assignment：求解线性和分配问题。
• broyden1：Broyden的第一种方法，用于非线性方程组求解。

31. 图工具模块 (sklearn.utils.graph)

用于图操作和工具。

• single_source_shortest_path_length：计算单源最短路径长度。
• graph_laplacian：计算图拉普拉斯矩阵。

32. 稀疏矩阵模块 (sklearn.utils.sparsefuncs)

用于稀疏矩阵的函数。

• inplace_csr_row_normalize_l1：L1规范化CSR格式的稀疏矩阵。
• inplace_csr_row_normalize_l2：L2规范化CSR格式的稀疏矩阵。

33. 调试和性能模块 (sklearn.utils.fixes 和 sklearn.utils.parallel)

用于性能优化和并行计算。

• delayed：延迟函数的执行。
• parallel_backend：指定并行后端。
• sklearn.utils.fixes：修复不同版本之间的兼容性问题。

34. 实验性功能模块 (sklearn.experimental)

用于实验性功能和模块，这些功能可能会在未来版本中稳定。

• enable_hist_gradient_boosting：启用直方图梯度提升。
• enable_iterative_imputer：启用迭代插补。

35. 图形绘制模块 (sklearn.tree.export)

用于导出决策树的图形表示。

• export_graphviz：导出决策树为Graphviz格式。
• plot_tree：绘制决策树。

36. 隐私保护和差分隐私模块 (sklearn.diff_privacy)

用于实现差分隐私保护（在较新版本中逐渐完善）。

• DifferentialPrivacyLogisticRegression：带有差分隐私的逻辑回归。

37. 实验性预测模块 (sklearn.experimental.enable_halving_search_cv)

用于实验性的逐步搜索交叉验证。

• HalvingGridSearchCV：逐步网格搜索。
• HalvingRandomSearchCV：逐步随机搜索。

38. 扩展库和接口 (sklearn.externals)

用于与外部库的接口和集成。

• joblib：用于模型持久化和并行计算。
• six：用于Python 2和Python 3的兼容性。