sklearn机器学习核心是理清“数据→预处理→模型→评估”主线：先用pandas加载查看数据，再显式处理缺失值和类别特征、缩放数值特征，接着选模型训练预测，最后用分类报告、混淆矩阵或回归指标全面评估。

用 sklearn 做机器学习，核心不是背代码，而是理清“数据→预处理→模型→评估”这条主线。下面用最常用的任务切入，带你跑通一个完整流程。

加载并快速查看数据

别急着建模，先用 pandas 读数据、看形状、检查缺失值和前几行：

• from sklearn.datasets import make_classification, make_regression —— 快速生成模拟数据练手
• df.info() 和 df.describe() 看分布和空值
• 分类任务常用 make_classification(n_samples=1000, n_features=4, n_classes=2)；回归用 make_regression

数据预处理不能跳过

sklearn 不自动处理缺失值或类别型变量，必须显式处理：

• 数值型缺失：用 SimpleImputer(strategy='mean') 填均值（分类可用 'most_frequent'）
• 类别型特征：用 OneHotEncoder 或 OrdinalEncoder 编码，注意要先 fit 再 transform
• 特征缩放：SVM、KNN、逻辑回归对量纲敏感，用 StandardScaler 或 MinMaxScaler

选模型、训练、预测三步到位

从最基础的几个算法开始，语法高度统一：

• 逻辑回归：LogisticRegression() → 分类任务基线
• K近邻：KNeighborsClassifier(n_neighbors=5) → 无需训练，但预测慢
• 决策树：DecisionTreeClassifier(max_depth=3) → 可视化强，易理解
• 线性回归：LinearRegression() → 回归任务起点
• 统一写法：model.fit(X_train, y_train) → model.predict(X_test)

评估结果要看指标，不只看准确率

分类任务别只 print(model.score())，要用更全面的视角：

• 二分类：用 classification_report(y_true, y_pred) 看 precision/recall/f1
• 混淆矩阵：confusion_matrix 直观看出错在哪一类
• 回归任务：mean_absolute_error、r2_score 比单纯看 score() 更有信息量
• 交叉验证：cross_val_score(model, X, y, cv=5, scoring='f1') 防止偶然性

不复杂但容易忽略：每次 fit 前确保 X 是二维数组（比如 X.reshape(-1, 1) 处理单特征），y 是一维。跑通一个完整 pipeline，比记十个参数更重要。