sklearn源码（sklearn源代码）
本文目录一览：1、怎样开始阅读scikit-learn的源码？是否值得读
本文目录一览：
怎样开始阅读scikit-learn的源码？是否值得读
作为scikit-learn的一个小contributor，来简单说下个人看法吧。
首先，我认为这取决于题主本身在Python、机器学习方面的水平。因为题主没有提供这方面信息，我也只能简单介绍一下scikit-learn的现状，让题主自行判断。
如果你理论基础不错，Python基础也扎实，只是想看看那些机器学习算法比较靠谱的实现，那读scikit-learn的代码应该是没错的。虽然不少常用算法，比如decision tree用了cython，svm直接wrap了libsvm，但后期的代码基本原则都是优先Python实现，只有Python实在太慢的时候才会考虑用cython加速。
另，如果真是初学者为了学机器学习的话，与其看别人代码不如自己尝试实现，不一定要效率高，但至少得能用。这样比你一知半解的看完scikit-learn都有用。
pycharm降低sklearn版本
解决方案就是更新sklearn。
去看了相关位置的源码发现validation.py里面确实没有check_memory方法，去官网搜索相关模块信息，点击第一个，然后点击source去看最新源码，最新版本0.22中是有该方法的，所以解决方案就是更新sklearn。
先去下载需要的版本，在本地运行以下命令先删除原本的，再安装。
scikit-learn学习机器学习怎么样
有现成的算法已经实现好了，但是应该先了解每个算法的原理，再使用得心应手，也能针对特定问题调整一些参数
先把算法理论原理掌握后，然后自己能够手写出来，跑通，然后使用现成的sklearn库，也可以查看sklearn源码，与自己的实现做对比，相信这样理解会更加深刻
