×
思维导图备注
scikit-learn (sklearn) 0.21.3 官方文档中文版
首页
小程序
下载
阅读记录
书签管理
我的书签
添加书签
移除书签
编辑文档
教程
来源 1
浏览
989
扫码
分享
2020-03-01 22:41:05
scikit-learn 教程 0.21.x
处理文本数据
上一篇:
下一篇:
时光轴
Introduction
4. 检验
4.1. 部分依赖图
5. 数据集转换
5.7. 内核近似
5.2. 特征提取
5.3 预处理数据
5.8. 成对的矩阵, 类别和核函数
5.1. Pipeline(管道)和 FeatureUnion(特征联合): 合并的评估器
5.9. 预测目标 (y) 的转换
5.4 缺失值插补
5.5. 无监督降维
5.6. 随机投影
1. 监督学习
1.10. 决策树
1.15. 等式回归
1.1. 广义线性模型
1.4. 支持向量机
1.9. 朴素贝叶斯
1.2. 线性和二次判别分析
1.7. 高斯过程
1.6. 最近邻
1.17. 神经网络模型(有监督)
1.11. 集成方法
1.5. 随机梯度下降
1.16. 概率校准
1.14. 半监督学习
1.8. 交叉分解
1.3. 内核岭回归
1.13. 特征选择
1.12. 多类和多标签算法
3. 模型选择和评估
3.4. 模型持久化
3.1. 交叉验证:评估估算器的表现
3.2. 调整估计器的超参数
3.3. 模型评估: 量化预测的质量
3.5. 验证曲线: 绘制分数以评估模型
教程
关于科学数据处理的统计学习教程
监督学习:从高维观察预测输出变量
无监督学习: 寻求数据表示
寻求帮助
模型选择:选择估计量及其参数
把它们放在一起
机器学习: scikit-learn 中的设置以及预估对象
处理文本数据
外部资源,视频和谈话
选择正确的评估器(estimator.md)
使用 scikit-learn 介绍机器学习
安装 scikit-learn
常见问题
2. 无监督学习
2.2. 流形学习
2.5. 分解成分中的信号(矩阵分解问题)
2.7. 新奇和异常值检测
2.9. 神经网络模型(无监督)
2.6. 协方差估计
2.8. 密度估计
2.3. 聚类
2.4. 双聚类
2.1. 高斯混合模型
暂无相关搜索结果!
本文档使用
BookStack
构建
×
分享,让知识传承更久远
×
文章二维码
手机扫一扫,轻松掌上读
×
文档下载
请下载您需要的格式的文档,随时随地,享受汲取知识的乐趣!
PDF
文档
EPUB
文档
MOBI
文档
×
微信小程序阅读
微信扫一扫,知识掌上学
×
书签列表
×
阅读记录
阅读进度:
0.00%
(
0/0
)
重置阅读进度