update sklearn

Author: loveunk

README.md

@@ -11,7 +11,7 @@
   * [PCA 主成分分析](pca)
 
 ## Python
-如果有比较好的Python和相关库的背景知识，对于学习算法过程中的代码可以快速理解和调试，一方面节省时间，另一方面也可以更聚焦在算法和模型本身上。
+如果有比较好的Python和机器学习相关Library的只是，对于学习算法过程中的代码可以快速理解和调试，一方面节省时间，另一方面也可以更聚焦在算法和模型本身上。
   * [Python](python/python-basic)
   * [Pandas](python/pandas)
   * [NumPy](python/numpy)

python/Sklearn/README.md

@@ -1,9 +1,36 @@
 # Scikit-learn
+<!-- TOC depthFrom:1 depthTo:6 withLinks:1 updateOnSave:1 orderedList:0 -->
 
-## 开始使用scikit-learn
+- [Scikit-learn](#scikit-learn)
+	- [开始使用 Scikit-learn](#开始使用-scikit-learn)
+		- [学习类问题的分类](#学习类问题的分类)
+	- [更多推荐阅读](#更多推荐阅读)
 
+<!-- /TOC -->
 
-## References
-* [Scikit-learn官网](https://scikit-learn.org/)
+**Scikit-learn**（简称`sklearn`）是开源的 _Python_ 机器学习库，它基于`Numpy`和`Scipy`，包含大量数据挖掘和分析的工具，例如数据预处理、交叉验证、算法与可视化算法等。
+
+从功能上来讲，Sklearn基本功能被分为分类，回归，聚类，数据降维，模型选择，数据预处理。
+
+从机器学习任务的步骤来讲，Sklearn可以独立完成机器学习的六个步骤：
+* **选择数据**：将数据分成三组，分别是训练数据、验证数据和测试数据。
+* **模拟数据**：使用训练数据来构建使用相关特征的模型。
+* **验证模型**：使用验证数据接入模型。
+* **测试模型**：使用测试数据检查被验证的模型的表现。
+* **使用模型**：使用完全训练好的模型在新数据上做预测。
+* **调优模型**：使用更多数据、不同的特征或调整过的参数来提升算法的性能表现。
+
+## 开始使用 Scikit-learn
+``` python
+import sklearn
+```
+
+### 学习类问题的分类
+* **监督学习**：
+* **无监督学习**：
+
+## 更多推荐阅读
+* [Scikit-learn速查表](Scikit_Learn_Cheat_Sheet_Python.pdf)
+* [Scikit-learn文档](https://scikit-learn.org/stable/documentation.html)
 
 [回到目录](#scikit-learn)