scikit-learn (sklearn) 官方文档中文版

• 简单高效的数据挖掘和数据分析工具
• 可供大家在各种环境中重复使用
• 建立在 NumPy ，SciPy 和 matplotlib 上
• 开源，可商业使用 - BSD许可证

• 在线阅读

目录

• 安装 scikit-learn
• 用户指南
  • • 1.1. 广义线性模型
    • 1.3. 内核岭回归
    • 1.5. 随机梯度下降
    • 1.7. 高斯过程
    • 1.9. 朴素贝叶斯
    • 1.11. 集成方法
    • 1.13. 特征选择
    • 1.15. 等式回归
  • 2. 无监督学习
    • 2.2. 流形学习
    • 2.4. 双聚类
    • 2.6. 协方差估计
    • 2.8. 密度估计
  • 3. 模型选择和评估
    • 3.2. 调整估计器的超参数
    • 3.4. 模型持久化
  • 4. 检验
  • 5. 数据集转换
    • 5.2. 特征提取
    • 5.4 缺失值插补
    • 5.6. 随机投影
    • 5.8. 成对的矩阵, 类别和核函数
  • 6. 数据集加载工具
    • 6.2. 玩具数据集
    • 6.5. 加载其他数据集
  • • 7.1. 大规模计算的策略: 更大量的数据
    • 7.3. 并行性、资源管理和配置
• • 使用 scikit-learn 介绍机器学习
  • • 机器学习: scikit-learn 中的设置以及预估对象
    • 模型选择：选择估计量及其参数
    • 把它们放在一起
  • 处理文本数据
  • 外部资源，视频和谈话
• 常见问题

项目当前处于校对阶段，请查看贡献指南，并在中领取任务。

项目负责人

• @mahaoyang：992635910
• ：3322728009
• 飞龙：562826179
• ：529815144

— 负责人要求: (欢迎一起为 做贡献)

• 热爱开源，喜欢装逼
• 长期使用 sklearn(至少0.5年) + 提交Pull Requests>=3
• 能够有时间及时优化页面 bug 和用户 issues
• 试用期: 2个月
• 欢迎联系: 片刻 529815144

以各项目协议为准。

建议反馈

• 在我们的 github 上提 issue.
• 发邮件到 Email: .

我们一直在努力