以下是 sklearn 官方文档中文版

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

学习路线 : 机器学习基础 –> sklearn –> tensorflow（学这些之前，得先把大数据的基础搞定先）