scikit-learn 的世界觀

學機器學習，很多人一頭栽進演算法細節，結果換個模型又從頭學一次。scikit-learn 最聰明的設計是：所有模型都長一個樣子。這堂課先不急著講演算法，而是把這套統一的 API 建立起來——之後每一課都是在這個骨架上長出來的。

這堂課你會學到

• sklearn 統一的 estimator API：fit（訓練）/ predict（預測）/ transform（轉換）
• 特徵叫 X、答案叫 y 的不成文慣例
• 為什麼一定要切 訓練集 / 測試集——不能拿考過的題目評估學生
• 用鳶尾花資料集跑出你的第一個分類器（KNN）
• 分清楚 監督式 與 非監督式 學習

核心節奏

model = SomeEstimator(...)   # 換模型只改這行
model.fit(X_train, y_train)  # 訓練
model.predict(X_test)        # 預測
model.score(X_test, y_test)  # 評估

抓住這四步，你就掌握了整個 sklearn。換模型時只有第一行要改，其餘完全不動——這就是「API 一致、知識可遷移」的威力，也是本系列反覆強調的主線。

👉 點上面的「在 Google Colab 開啟」，跟著 notebook 一格一格跑。改改 n_neighbors、換個模型，即時看結果——這才是學機器學習最快的方式。