## scikit-learn

### 核心定义
scikit-learn 是基于 Python 的开源机器学习库，提供统一、简洁的 API 接口，涵盖分类、回归、聚类、降维、模型选择及预处理等核心模块。它深度整合 NumPy/SciPy/Matplotlib 生态，以低代码侵入性支持快速原型与生产级部署，是数据驱动医学研究的基石工具。

### 关键技术点
- **统一估计器接口**：所有模型遵循 `fit(X, y) → predict(X)/transform(X)` 契约，降低算法切换成本，便于在神经科学流程中构建多步流水线（Pipeline）。
- **特征工程与预处理**：提供 StandardScaler、MinMaxScaler、PCA、RFE（递归特征消除）等方法，可高效处理高维神经影像数据（如 fMRI 体素、DTI 张量）并控制混杂变量。
- **监督学习算法**：集成支持向量机（SVM）、随机森林、逻辑回归等分类器，适用于小样本、高维的临床诊断场景；内含核技巧与正则化，降低过拟合风险。
- **无监督学习**：KMeans、DBSCAN、层次聚类可用于探索神经疾病亚型或皮层区域分割，无需标签即可发现潜在模式。
- **模型验证与调优**：`cross_val_score`、`GridSearchCV` 支持嵌套交叉验证与超参数网格搜索，确保在有限临床样本下获得稳定且可重复的评估结果。

### 医学/神经科学应用场景
**首都医科大学神经病学研究所** 曾利用 scikit-learn 构建 **阿尔茨海默病（AD）早期识别模型**：基于多中心 ADNI 数据库的 T1-MRI 与 FDG-PET 数据，提取海马体、颞叶灰质体积及葡萄糖代谢特征。流程包括：
1. 使用 `StandardScaler` 消除扫描仪间灰度差异；
2. 通过 `PCA` 降维至 30 个主成分保留 95% 方差；
3. 采用 `RFE` 结合 `SVM-RBF` 选择前 10 个关键生物标记；
4. 经 10 折交叉验证（`cross_val_score`），模型在区分轻度认知障碍（MCI）与健康对照时 AUC 达 0.91，优于传统单一模态方法。该框架现已成为团队分析突变基因型-影像关联的标准预处理管线。