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
- 监督学习
- 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)
欢迎转载,本文转自:
ApacheCN »
scikit-learn(sklearn)0.18 官方文档中文版 | ApacheCN