Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
OpenDocCN
sklearn-doc-zh
提交
0778dc8a
S
sklearn-doc-zh
项目概览
OpenDocCN
/
sklearn-doc-zh
通知
3
Star
3
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
S
sklearn-doc-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
前往新版Gitcode，体验更适合开发者的 AI 搜索 >>
提交
0778dc8a
编写于
8月 05, 2019
作者:
片刻小哥哥
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
修改文档 0.21.3 项目地址
上级
20fdafa7
变更
3
隐藏空白更改
内联
并排
Showing
3 changed file
with
104 addition
and
104 deletion
+104
-104
CONTRIBUTING.md
CONTRIBUTING.md
+16
-16
README.md
README.md
+17
-17
SUMMARY.md
SUMMARY.md
+71
-71
未找到文件。
CONTRIBUTING.md
浏览文件 @
0778dc8a
...
...
@@ -15,24 +15,24 @@
## 章节列表
*
[
安装 scikit-learn
](
docs/79.md
)
*
[
安装 scikit-learn
](
docs/
0.21.3/
79.md
)
*
用户指南
*
[
1. 监督学习
](
docs/1.md
)
*
[
2. 无监督学习
](
docs/19.md
)
*
[
3. 模型选择和评估
](
docs/29.md?id=_3-模型选择和评估
)
*
[
4. 检验
](
docs/35.md?id=_4--检验
)
*
[
5. 数据集转换
](
docs/37.md?id=_5-数据集转换
)
*
[
6. 数据集加载工具
](
docs/47.md?id=_6-数据集加载工具
)
*
[
7. 使用scikit-learn计算
](
docs/48.md?id=_7-使用scikit-learn计算
)
*
[
使用教程
](
docs/50.md
)
*
[
使用 scikit-learn 介绍机器学习
](
docs/51.md
)
*
[
关于科学数据处理的统计学习教程
](
docs/52.md
)
*
[
处理文本数据
](
docs/76.md
)
*
[
选择正确的评估器
](
docs/77.md
)
*
[
外部资源，视频和谈话
](
docs/78.md
)
*
[
1. 监督学习
](
docs/
0.21.3/
1.md
)
*
[
2. 无监督学习
](
docs/
0.21.3/
19.md
)
*
[
3. 模型选择和评估
](
docs/
0.21.3/
29.md?id=_3-模型选择和评估
)
*
[
4. 检验
](
docs/
0.21.3/
35.md?id=_4--检验
)
*
[
5. 数据集转换
](
docs/
0.21.3/
37.md?id=_5-数据集转换
)
*
[
6. 数据集加载工具
](
docs/
0.21.3/
47.md?id=_6-数据集加载工具
)
*
[
7. 使用scikit-learn计算
](
docs/
0.21.3/
48.md?id=_7-使用scikit-learn计算
)
*
[
使用教程
](
docs/
0.21.3/
50.md
)
*
[
使用 scikit-learn 介绍机器学习
](
docs/
0.21.3/
51.md
)
*
[
关于科学数据处理的统计学习教程
](
docs/
0.21.3/
52.md
)
*
[
处理文本数据
](
docs/
0.21.3/
76.md
)
*
[
选择正确的评估器
](
docs/
0.21.3/
77.md
)
*
[
外部资源，视频和谈话
](
docs/
0.21.3/
78.md
)
*
[
API 参考
](
https://scikit-learn.org/stable/modules/classes.html
)
*
[
常见问题
](
docs/63.md
)
*
[
时光轴
](
docs/64.md
)
*
[
常见问题
](
docs/
0.21.3/
63.md
)
*
[
时光轴
](
docs/
0.21.3/
64.md
)
## 流程
...
...
README.md
浏览文件 @
0778dc8a
# 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。
...
...
@@ -17,24 +17,24 @@ scikit-learn 是基于 Python 语言的机器学习工具。
## 目录
*
[
安装 scikit-learn
](
docs/79.md
)
*
[
安装 scikit-learn
](
docs/
0.21.3/
79.md
)
*
用户指南
*
[
1. 监督学习
](
docs/1.md
)
*
[
2. 无监督学习
](
docs/19.md
)
*
[
3. 模型选择和评估
](
docs/29.md?id=_3-模型选择和评估
)
*
[
4. 检验
](
docs/35.md?id=_4--检验
)
*
[
5. 数据集转换
](
docs/37.md?id=_5-数据集转换
)
*
[
6. 数据集加载工具
](
docs/47.md?id=_6-数据集加载工具
)
*
[
7. 使用scikit-learn计算
](
docs/48.md?id=_7-使用scikit-learn计算
)
*
[
使用教程
](
docs/50.md
)
*
[
使用 scikit-learn 介绍机器学习
](
docs/51.md
)
*
[
关于科学数据处理的统计学习教程
](
docs/52.md
)
*
[
处理文本数据
](
docs/76.md
)
*
[
选择正确的评估器
](
docs/77.md
)
*
[
外部资源，视频和谈话
](
docs/78.md
)
*
[
1. 监督学习
](
docs/
0.21.3/
1.md
)
*
[
2. 无监督学习
](
docs/
0.21.3/
19.md
)
*
[
3. 模型选择和评估
](
docs/
0.21.3/
29.md?id=_3-模型选择和评估
)
*
[
4. 检验
](
docs/
0.21.3/
35.md?id=_4--检验
)
*
[
5. 数据集转换
](
docs/
0.21.3/
37.md?id=_5-数据集转换
)
*
[
6. 数据集加载工具
](
docs/
0.21.3/
47.md?id=_6-数据集加载工具
)
*
[
7. 使用scikit-learn计算
](
docs/
0.21.3/
48.md?id=_7-使用scikit-learn计算
)
*
[
使用教程
](
docs/
0.21.3/
50.md
)
*
[
使用 scikit-learn 介绍机器学习
](
docs/
0.21.3/
51.md
)
*
[
关于科学数据处理的统计学习教程
](
docs/
0.21.3/
52.md
)
*
[
处理文本数据
](
docs/
0.21.3/
76.md
)
*
[
选择正确的评估器
](
docs/
0.21.3/
77.md
)
*
[
外部资源，视频和谈话
](
docs/
0.21.3/
78.md
)
*
[
API 参考
](
https://scikit-learn.org/stable/modules/classes.html
)
*
[
常见问题
](
docs/63.md
)
*
[
时光轴
](
docs/64.md
)
*
[
常见问题
](
docs/
0.21.3/
63.md
)
*
[
时光轴
](
docs/
0.21.3/
64.md
)
## 历史版本
...
...
SUMMARY.md
浏览文件 @
0778dc8a
*
[
安装 scikit-learn
](
docs/79.md
)
*
[
安装 scikit-learn
](
docs/
0.21.3/
79.md
)
*
用户指南
*
[
1. 监督学习
](
docs/1.md
)
*
[
1.1. 广义线性模型
](
docs/2.md?id=_11-广义线性模型
)
*
[
1.2. 线性和二次判别分析
](
docs/3.md?id=_12-线性和二次判别分析
)
*
[
1.3. 内核岭回归
](
docs/4.md?id=_13-内核岭回归
)
*
[
1.4. 支持向量机
](
docs/5.md?id=_14-支持向量机
)
*
[
1.5. 随机梯度下降
](
docs/6.md?id=_15-随机梯度下降
)
*
[
1.6. 最近邻
](
docs/7.md?id=_16-最近邻
)
*
[
1.7. 高斯过程
](
docs/8.md?id=_17-高斯过程
)
*
[
1.8. 交叉分解
](
docs/9.md?id=_18-交叉分解
)
*
[
1.9. 朴素贝叶斯
](
docs/10.md?id=_19-朴素贝叶斯
)
*
[
1.10. 决策树
](
docs/11.md?id=_110-决策树
)
*
[
1.11. 集成方法
](
docs/12.md?id=_111-集成方法
)
*
[
1.12. 多类和多标签算法
](
docs/13.md?id=_112-多类和多标签算法
)
*
[
1.13. 特征选择
](
docs/14.md?id=_113-特征选择
)
*
[
1.14. 半监督学习
](
docs/15.md?id=_114-半监督学习
)
*
[
1.15. 等式回归
](
docs/16.md?id=_115-等式回归
)
*
[
1.16. 概率校准
](
docs/17.md?id=_116-概率校准
)
*
[
1.17. 神经网络模型（有监督）
](
docs/18.md?id=_117-神经网络模型（有监督）
)
*
[
2. 无监督学习
](
docs/19.md
)
*
[
2.1. 高斯混合模型
](
docs/20.md?id=_21-高斯混合模型
)
*
[
2.2. 流形学习
](
docs/21.md?id=_22-流形学习
)
*
[
2.3. 聚类
](
docs/22.md?id=_23-聚类
)
*
[
2.4. 双聚类
](
docs/23.md?id=_24-双聚类
)
*
[
2.5. 分解成分中的信号（矩阵分解问题）
](
docs/24.md?id=_25-分解成分中的信号（矩阵分解问题）
)
*
[
2.6. 协方差估计
](
docs/25.md?id=_26-协方差估计
)
*
[
2.7. 新奇和异常值检测
](
docs/26.md?id=_27-新奇和异常值检测
)
*
[
2.8. 密度估计
](
docs/27.md?id=_28-密度估计
)
*
[
2.9. 神经网络模型（无监督）
](
docs/28.md?id=_29-神经网络模型（无监督）
)
*
[
3. 模型选择和评估
](
docs/29.md?id=_3-模型选择和评估
)
*
[
3.1. 交叉验证：评估估算器的表现
](
docs/30.md?id=_31-交叉验证：评估估算器的表现
)
*
[
3.2. 调整估计器的超参数
](
docs/31.md?id=_32-调整估计器的超参数
)
*
[
3.3. 模型评估: 量化预测的质量
](
docs/32.md?id=_33-模型评估--量化预测的质量
)
*
[
3.4. 模型持久化
](
docs/33.md?id=_34-模型持久化
)
*
[
3.5. 验证曲线: 绘制分数以评估模型
](
docs/34.md?id=_35-验证曲线--绘制分数以评估模型
)
*
[
4. 检验
](
docs/35.md?id=_4--检验
)
*
[
4.1. 部分依赖图
](
docs/36.md?id=_41-部分依赖图
)
*
[
5. 数据集转换
](
docs/37.md?id=_5-数据集转换
)
*
[
5.1. Pipeline（管道）和 FeatureUnion（特征联合）: 合并的评估器
](
docs/38.md?id=_51-pipeline（管道）和-featureunion（特征联合）--合并的评估器
)
*
[
5.2. 特征提取
](
docs/39.md?id=_52-特征提取
)
*
[
5.3 预处理数据
](
docs/40.md?id=_53-预处理数据
)
*
[
5.4 缺失值插补
](
docs/41.md?id=_54-缺失值插补
)
*
[
5.5. 无监督降维
](
docs/42.md?id=_55-无监督降维
)
*
[
5.6. 随机投影
](
docs/43.md?id=_56-随机投影
)
*
[
5.7. 内核近似
](
docs/44.md?id=_57-内核近似
)
*
[
5.8. 成对的矩阵, 类别和核函数
](
docs/45.md?id=_58-成对的矩阵,-类别和核函数
)
*
[
5.9. 预测目标 (`y`) 的转换
](
docs/46.md?id=_59-预测目标--的转换
)
*
[
6. 数据集加载工具
](
docs/47.md?id=_6-数据集加载工具
)
*
[
6.1. 通用数据集 API
](
docs/47.md?id=_61-通用数据集-api
)
*
[
6.2. 玩具数据集
](
docs/47.md?id=_62-玩具数据集
)
*
[
6.3 真实世界中的数据集
](
docs/47.md?id=_63-真实世界中的数据集
)
*
[
6.4. 样本生成器
](
docs/47.md?id=_64-样本生成器
)
*
[
6.5. 加载其他数据集
](
docs/47.md?id=_65-加载其他数据集
)
*
[
7. 使用scikit-learn计算
](
docs/48.md?id=_7-使用scikit-learn计算
)
*
[
7.1. 大规模计算的策略: 更大量的数据
](
docs/48.md?id=_71-大规模计算的策略--更大量的数据
)
*
[
7.2. 计算性能
](
docs/48.md?id=_72-计算性能
)
*
[
7.3. 并行性、资源管理和配置
](
docs/48.md?id=_73-并行性、资源管理和配置
)
*
[
教程
](
docs/50.md
)
*
[
使用 scikit-learn 介绍机器学习
](
docs/51.md
)
*
[
关于科学数据处理的统计学习教程
](
docs/52.md
)
*
[
机器学习: scikit-learn 中的设置以及预估对象
](
docs/53
)
*
[
监督学习：从高维观察预测输出变量
](
docs/54
)
*
[
模型选择：选择估计量及其参数
](
docs/55
)
*
[
无监督学习: 寻求数据表示
](
docs/56
)
*
[
把它们放在一起
](
docs/57
)
*
[
寻求帮助
](
docs/58
)
*
[
处理文本数据
](
docs/76.md
)
*
[
选择正确的评估器(estimator.md)
](
docs/77.md
)
*
[
外部资源，视频和谈话
](
docs/78.md
)
*
[
1. 监督学习
](
docs/
0.21.3/
1.md
)
*
[
1.1. 广义线性模型
](
docs/
0.21.3/
2.md?id=_11-广义线性模型
)
*
[
1.2. 线性和二次判别分析
](
docs/
0.21.3/
3.md?id=_12-线性和二次判别分析
)
*
[
1.3. 内核岭回归
](
docs/
0.21.3/
4.md?id=_13-内核岭回归
)
*
[
1.4. 支持向量机
](
docs/
0.21.3/
5.md?id=_14-支持向量机
)
*
[
1.5. 随机梯度下降
](
docs/
0.21.3/
6.md?id=_15-随机梯度下降
)
*
[
1.6. 最近邻
](
docs/
0.21.3/
7.md?id=_16-最近邻
)
*
[
1.7. 高斯过程
](
docs/
0.21.3/
8.md?id=_17-高斯过程
)
*
[
1.8. 交叉分解
](
docs/
0.21.3/
9.md?id=_18-交叉分解
)
*
[
1.9. 朴素贝叶斯
](
docs/
0.21.3/
10.md?id=_19-朴素贝叶斯
)
*
[
1.10. 决策树
](
docs/
0.21.3/
11.md?id=_110-决策树
)
*
[
1.11. 集成方法
](
docs/
0.21.3/
12.md?id=_111-集成方法
)
*
[
1.12. 多类和多标签算法
](
docs/
0.21.3/
13.md?id=_112-多类和多标签算法
)
*
[
1.13. 特征选择
](
docs/
0.21.3/
14.md?id=_113-特征选择
)
*
[
1.14. 半监督学习
](
docs/
0.21.3/
15.md?id=_114-半监督学习
)
*
[
1.15. 等式回归
](
docs/
0.21.3/
16.md?id=_115-等式回归
)
*
[
1.16. 概率校准
](
docs/
0.21.3/
17.md?id=_116-概率校准
)
*
[
1.17. 神经网络模型（有监督）
](
docs/
0.21.3/
18.md?id=_117-神经网络模型（有监督）
)
*
[
2. 无监督学习
](
docs/
0.21.3/
19.md
)
*
[
2.1. 高斯混合模型
](
docs/
0.21.3/
20.md?id=_21-高斯混合模型
)
*
[
2.2. 流形学习
](
docs/
0.21.3/
21.md?id=_22-流形学习
)
*
[
2.3. 聚类
](
docs/
0.21.3/
22.md?id=_23-聚类
)
*
[
2.4. 双聚类
](
docs/
0.21.3/
23.md?id=_24-双聚类
)
*
[
2.5. 分解成分中的信号（矩阵分解问题）
](
docs/
0.21.3/
24.md?id=_25-分解成分中的信号（矩阵分解问题）
)
*
[
2.6. 协方差估计
](
docs/
0.21.3/
25.md?id=_26-协方差估计
)
*
[
2.7. 新奇和异常值检测
](
docs/
0.21.3/
26.md?id=_27-新奇和异常值检测
)
*
[
2.8. 密度估计
](
docs/
0.21.3/
27.md?id=_28-密度估计
)
*
[
2.9. 神经网络模型（无监督）
](
docs/
0.21.3/
28.md?id=_29-神经网络模型（无监督）
)
*
[
3. 模型选择和评估
](
docs/
0.21.3/
29.md?id=_3-模型选择和评估
)
*
[
3.1. 交叉验证：评估估算器的表现
](
docs/
0.21.3/
30.md?id=_31-交叉验证：评估估算器的表现
)
*
[
3.2. 调整估计器的超参数
](
docs/
0.21.3/
31.md?id=_32-调整估计器的超参数
)
*
[
3.3. 模型评估: 量化预测的质量
](
docs/
0.21.3/
32.md?id=_33-模型评估--量化预测的质量
)
*
[
3.4. 模型持久化
](
docs/
0.21.3/
33.md?id=_34-模型持久化
)
*
[
3.5. 验证曲线: 绘制分数以评估模型
](
docs/
0.21.3/
34.md?id=_35-验证曲线--绘制分数以评估模型
)
*
[
4. 检验
](
docs/
0.21.3/
35.md?id=_4--检验
)
*
[
4.1. 部分依赖图
](
docs/
0.21.3/
36.md?id=_41-部分依赖图
)
*
[
5. 数据集转换
](
docs/
0.21.3/
37.md?id=_5-数据集转换
)
*
[
5.1. Pipeline（管道）和 FeatureUnion（特征联合）: 合并的评估器
](
docs/
0.21.3/
38.md?id=_51-pipeline（管道）和-featureunion（特征联合）--合并的评估器
)
*
[
5.2. 特征提取
](
docs/
0.21.3/
39.md?id=_52-特征提取
)
*
[
5.3 预处理数据
](
docs/
0.21.3/
40.md?id=_53-预处理数据
)
*
[
5.4 缺失值插补
](
docs/
0.21.3/
41.md?id=_54-缺失值插补
)
*
[
5.5. 无监督降维
](
docs/
0.21.3/
42.md?id=_55-无监督降维
)
*
[
5.6. 随机投影
](
docs/
0.21.3/
43.md?id=_56-随机投影
)
*
[
5.7. 内核近似
](
docs/
0.21.3/
44.md?id=_57-内核近似
)
*
[
5.8. 成对的矩阵, 类别和核函数
](
docs/
0.21.3/
45.md?id=_58-成对的矩阵,-类别和核函数
)
*
[
5.9. 预测目标 (`y`) 的转换
](
docs/
0.21.3/
46.md?id=_59-预测目标--的转换
)
*
[
6. 数据集加载工具
](
docs/
0.21.3/
47.md?id=_6-数据集加载工具
)
*
[
6.1. 通用数据集 API
](
docs/
0.21.3/
47.md?id=_61-通用数据集-api
)
*
[
6.2. 玩具数据集
](
docs/
0.21.3/
47.md?id=_62-玩具数据集
)
*
[
6.3 真实世界中的数据集
](
docs/
0.21.3/
47.md?id=_63-真实世界中的数据集
)
*
[
6.4. 样本生成器
](
docs/
0.21.3/
47.md?id=_64-样本生成器
)
*
[
6.5. 加载其他数据集
](
docs/
0.21.3/
47.md?id=_65-加载其他数据集
)
*
[
7. 使用scikit-learn计算
](
docs/
0.21.3/
48.md?id=_7-使用scikit-learn计算
)
*
[
7.1. 大规模计算的策略: 更大量的数据
](
docs/
0.21.3/
48.md?id=_71-大规模计算的策略--更大量的数据
)
*
[
7.2. 计算性能
](
docs/
0.21.3/
48.md?id=_72-计算性能
)
*
[
7.3. 并行性、资源管理和配置
](
docs/
0.21.3/
48.md?id=_73-并行性、资源管理和配置
)
*
[
教程
](
docs/
0.21.3/
50.md
)
*
[
使用 scikit-learn 介绍机器学习
](
docs/
0.21.3/
51.md
)
*
[
关于科学数据处理的统计学习教程
](
docs/
0.21.3/
52.md
)
*
[
机器学习: scikit-learn 中的设置以及预估对象
](
docs/
0.21.3/
53
)
*
[
监督学习：从高维观察预测输出变量
](
docs/
0.21.3/
54
)
*
[
模型选择：选择估计量及其参数
](
docs/
0.21.3/
55
)
*
[
无监督学习: 寻求数据表示
](
docs/
0.21.3/
56
)
*
[
把它们放在一起
](
docs/
0.21.3/
57
)
*
[
寻求帮助
](
docs/
0.21.3/
58
)
*
[
处理文本数据
](
docs/
0.21.3/
76.md
)
*
[
选择正确的评估器(estimator.md)
](
docs/
0.21.3/
77.md
)
*
[
外部资源，视频和谈话
](
docs/
0.21.3/
78.md
)
*
[
API 参考
](
https://scikit-learn.org/stable/modules/classes.html
)
*
[
常见问题
](
docs/63.md
)
*
[
时光轴
](
docs/64.md
)
*
[
常见问题
](
docs/
0.21.3/
63.md
)
*
[
时光轴
](
docs/
0.21.3/
64.md
)
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑！
取消
想要评论请
注册
或
登录
