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!
这篇关于scikit-learn sklearn 0.18 官方文档中文版的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!