ScikitLearn.jl

ScikitLearn.jl在Julia中实现了流行的 scikit-learn接口和算法。它既支持Julia生态系统中的模型，也支持 scikit-learn库中的模型 （通过PyCall.jl实现）。

如果您更倾向于使用专为Julia设计的机器学习框架，请查看来自艾伦·图灵研究所的MLJ.jl。

免责声明: ScikitLearn.jl借鉴了 scikit-learn的代码和文档，但它并非该项目的官方组成部分。其许可证为BSD-3。

主要特性：

• 约150种Julia和Python模型，可通过统一的接口访问
• 管道和特征联合
• 交叉验证
• 超参数调优
• DataFrames支持

请参阅快速入门指南以获取概览。

安装

要安装ScikitLearn.jl，在REPL中输入]add ScikitLearn即可。

若要导入Python模型（可选），ScikitLearn.jl需要scikit-learn Python库，该库将在需要时自动安装。大多数示例都使用了PyPlot.jl。

已知问题

在Linux系统上，当Julia版本低于0.8.4且PyCall.jl的PYTHON环境变量设置为""或conda时，通过@sk_import导入Python模型可能会失败。这是因为Julia 0.8.4以下版本加载的libstdcxx版本与通过Conda安装的scikit-learn版本不兼容。 解决此问题最简单且推荐的方法是升级到Julia 1.8.4或更高版本。如果您必须继续使用当前的Julia版本，也可以通过预先添加系统的LD_LIBRARY_PATH环境变量来解决问题，如下所示：

ROOT_ENV=`julia -e "using Conda; print(Conda.ROOTENV)`
export LD_LIBRARY_PATH=$ROOT_ENV"/lib":$LD_LIBRARY_PATH

文档

请参阅手册和 示例图库。

目标

ScikitLearn.jl的目标是实现与scikit-learn的功能对等。如果您遇到scikit-learn可以解决但ScikitLearn.jl无法解决的问题，请提交一个问题。

ScikitLearn.jl 快速上手指南

ScikitLearn.jl 是在 Julia 语言中实现流行 Python 库 scikit-learn 接口和算法的工具包。它支持直接调用 Julia 生态中的机器学习模型，也能通过 PyCall.jl 无缝使用 Python 的 scikit-learn 模型。

环境准备

• 操作系统：Windows, macOS, Linux
• 核心依赖：Julia (推荐版本 ≥ 1.8.4)
  • 注意：在 Linux 系统上，若使用低于 1.8.4 的 Julia 版本并通过 Conda 安装 Python 模型，可能会遇到兼容性问题。强烈建议升级至最新版 Julia 以避免配置麻烦。
• 可选依赖：
  • Python scikit-learn：如需使用 Python 原生模型，系统将自动安装所需的 Python 库。
  • PyPlot.jl：大多数示例使用此包进行绘图可视化。

安装步骤

启动 Julia REPL（命令行交互界面），进入包管理模式并执行以下命令：

]add ScikitLearn

退出包管理模式（按 Backspace 键或输入 Ctrl+C），然后在 Julia 提示符下加载包：

using ScikitLearn

提示：首次导入时，如果需要调用 Python 模型，ScikitLearn.jl 会自动检测并安装对应的 Python scikit-learn 库，无需手动干预。

基本使用

ScikitLearn.jl 的核心优势在于提供了与 Python scikit-learn 高度一致的 API。以下是使用内置 Julia 模型进行简单分类的示例：

1. 导入模块与数据

using ScikitLearn
@sk_import datasets: load_iris
@sk_import model_selection: train_test_split
@sk_import linear_model: LogisticRegression
@sk_import metrics: accuracy_score

# 加载鸢尾花数据集
iris = load_iris()
X, y = iris.data, iris.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

2. 定义、训练与预测

# 初始化模型 (此处使用 Julia 实现的逻辑回归)
model = LogisticRegression()

# 拟合数据 (训练)
fit!(model, X_train, y_train)

# 进行预测
y_pred = predict(model, X_test)

# 评估准确率
println("Accuracy: ", accuracy_score(y_test, y_pred))

3. 使用管道 (Pipeline)

ScikitLearn.jl 同样支持构建数据处理流水线：

@sk_import pipeline: Pipeline
@sk_import preprocessing: StandardScaler

# 构建包含标准化和分类器的管道
pipe = Pipeline([("scaler", StandardScaler()), ("classifier", LogisticRegression())])

# 直接在管道上训练和预测
fit!(pipe, X_train, y_train)
score = pipe.score(X_test, y_test)
println("Pipeline Accuracy: ", score)

更多高级功能（如交叉验证、超参数调优、DataFrame 支持等）请参阅官方文档。