sklearn是python的重要机器学习库，其中封装了大量的机器学习算法，如：分类、回归、降维以及聚类；还包含了监督学习、非监督学习、数据变换三大模块。sklearn拥有完善的文档，使得它具有了上手容易的优势；它内置了大量的数据集，节省了获取和整理数据集的时间。因而，使其成为了广泛应用的重要的机器学习库。
学习连接：http://www.cnblogs.com/lianyingteng/p/7811126.html
下面是自己用到的一些函数：
1. train_test_split
这个函数是用来将总的数据集划分为训练集和测试集的
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=4)
参数：
1. X - 特征集
2. y - 标签集
3. 0-1之前表示的测试集占比，整数的话表示测试集样本数
4. 随机数种子，为1的话表示每次产生随机数一样
2. to_categorical(y, num_classes=None, dtype='float32')
将整形标签转为onehot
Y_train = np_utils.to_categorical(y_train, nb_classes)
Y_test = np_utils.to_categorical(y_test, nb_classes)
参数：
1. int数组
2. 标签类别总数