我的书签
添加书签
移除书签scikit-learn (sklearn) 官方文档中文版
scikit-learn 是基于 Python 语言的机器学习工具
- 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
维护地址
目录
- 安装 scikit-learn
- 用户指南
- 1. 监督学习
- 1.1. 广义线性模型
- 1.2. 线性和二次判别分析
- 1.3. 内核岭回归
- 1.4. 支持向量机
- 1.5. 随机梯度下降
- 1.6. 最近邻
- 1.7. 高斯过程
- 1.8. 交叉分解
- 1.9. 朴素贝叶斯
- 1.10. 决策树
- 1.11. 集成方法
- 1.12. 多类和多标签算法
- 1.13. 特征选择
- 1.14. 半监督学习
- 1.15. 等式回归
- 1.16. 概率校准
- 1.17. 神经网络模型（有监督）
- 2. 无监督学习
- 2.1. 高斯混合模型
- 2.2. 流形学习
- 2.3. 聚类
- 2.4. 双聚类
- 2.5. 分解成分中的信号（矩阵分解问题）
- 2.6. 协方差估计
- 2.7. 新奇和异常值检测
- 2.8. 密度估计
- 2.9. 神经网络模型（无监督）
- 3. 模型选择和评估
- 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
- 3.4. 模型持久化
- 3.5. 验证曲线: 绘制分数以评估模型
- 4. 检验
- 4.1. 部分依赖图
- 5. 数据集转换
- 5.1. Pipeline（管道）和 FeatureUnion（特征联合）: 合并的评估器
- 5.2. 特征提取
- 5.3 预处理数据
- 5.4 缺失值插补
- 5.5. 无监督降维
- 5.6. 随机投影
- 5.7. 内核近似
- 5.8. 成对的矩阵, 类别和核函数
- 5.9. 预测目标 (
y) 的转换
- 6. 数据集加载工具
- 6.1. 通用数据集 API
- 6.2. 玩具数据集
- 6.3 真实世界中的数据集
- 6.4. 样本生成器
- 6.5. 加载其他数据集
- 7. 使用scikit-learn计算
- 7.1. 大规模计算的策略: 更大量的数据
- 7.2. 计算性能
- 7.3. 并行性、资源管理和配置
- 1. 监督学习
- 教程
- 使用 scikit-learn 介绍机器学习
- 关于科学数据处理的统计学习教程
- 机器学习: scikit-learn 中的设置以及预估对象
- 监督学习：从高维观察预测输出变量
- 模型选择：选择估计量及其参数
- 无监督学习: 寻求数据表示
- 把它们放在一起
- 寻求帮助
- 处理文本数据
- 选择正确的评估器(estimator.md)
- 外部资源，视频和谈话
- API 参考
- 常见问题
- 时光轴
贡献指南
项目当前处于校对阶段，请查看贡献指南，并在整体进度中领取任务。
请您勇敢地去翻译和改进翻译。虽然我们追求卓越，但我们并不要求您做到十全十美，因此请不要担心因为翻译上犯错——在大部分情况下，我们的服务器已经记录所有的翻译，因此您不必担心会因为您的失误遭到无法挽回的破坏。（改编自维基百科）
项目负责人
格式: GitHub + QQ
- @mahaoyang：992635910
- @loopyme：3322728009
- 飞龙：562826179
- 片刻：529815144
— 负责人要求: (欢迎一起为 sklearn 中文版本 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
项目协议
以各项目协议为准。
ApacheCN 账号下没有协议的项目，一律视为 CC BY-NC-SA 4.0。
建议反馈
- 在我们的 apachecn/pytorch-doc-zh github 上提 issue.
- 发邮件到 Email:
apachecn@163.com. - 在我们的 QQ群-搜索: 交流方式 中联系群主/管理员即可.
