scikit-learn sklearn 0.18 官方文档中文版

本文主要是介绍scikit-learn sklearn 0.18 官方文档中文版，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

转自：https://blog.csdn.net/chinachenyyx/article/details/75299043

############################################################################################

ApacheCN（Apache中文网）- 关于我们 : http://cwiki.apachecn.org/pages/viewpage.action?pageId=10813869

ApacheCN cwiki 地址为 scikit-learn 0.18 中文文档 : http://cwiki.apachecn.org/pages/viewpage.action?pageId=10030181

############################################################################################

sklearn : 基于 Python 语言的，简单高效的数据挖掘和数据分析工具，建立在 NumPy，SciPy 和 matplotlib 上。

此外，Apache Spark 2.2.0 官方文档中文版，开始采用 github 迭代维护的方式来更新，欢迎大家一起来迭代维护，地址为 https://github.com/apachecn/spark-doc-zh。

以下是 sklearn 官方文档中文版，如果你也有兴趣，欢迎来一起来维护迭代。

scikit-learn 0.18 中文文档

快速入门
用户指南
监督学习
Generalized Linear Models ( 广义线性模型 )
Linear and Quadratic Discriminant Analysis ( 线性和二次判别分析 )
Kernel ridge regression ( 内核岭回归 )
Support Vector Machines（支持向量机, SVM）
Stochastic Gradient Descent ( 随机梯度下降 )
Nearest Neighbors ( 最近邻 )
Gaussian Processes（高斯过程）
Cross decomposition（交叉分解）
Naive Bayes ( 朴素贝叶斯 )
Decision Trees（决策树）
Ensemble methods（集成方法）
多类和多标签算法
功能选择
半监督
等式回归
概率校准
神经网络模型（监督）
无监督学习
高斯混合模型
流形学习
聚类
双聚类
分解成分中的信号（矩阵分解问题）
协方差估计
新奇和异常检测
密度估计
神经网络模型（无监督）
模型选择和评估
交叉验证：评估估计器性能
调整估计器的超参数
模型评估：量化预测的质量
模型持久化
验证曲线：绘制分数以评估模型
数据集转换
管道和FeatureUnion：组合估计
特征提取
预处理数据
无监督降维
随机投影
内核近似
成对度量，亲和力和内核
转换预测目标（y）
数据集加载实用程序
计算策略：更大的数据
计算性能
教程
API 文档
开发指南
流程图
相关包
常问问题
其他资源
其他版本
---------------------
作者：ApacheCN_Xy
来源：CSDN
原文：https://blog.csdn.net/chinachenyyx/article/details/75299043
版权声明：本文为博主原创文章，转载请附上博文链接！