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
2ceabe8c
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
2ceabe8c
编写于
6月 15, 2019
作者:
L
loopyme
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
更新目录
上级
7a258453
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
43 addition
and
40 deletion
+43
-40
SUMMARY.md
SUMMARY.md
+43
-40
未找到文件。
SUMMARY.md
浏览文件 @
2ceabe8c
+
[
安装 scikit-learn
](
docs/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
)
+
[
1.2\. 线性和二次判别分析
](
docs/3.md
)
+
[
1.3\. 内核岭回归
](
docs/4.md
)
+
[
1.4\. 支持向量机
](
docs/5.md
)
+
[
1.5\. 随机梯度下降
](
docs/6.md
)
+
[
1.6\. 最近邻
](
docs/7.md
)
+
[
1.7\. 高斯过程
](
docs/8.md
)
+
[
1.8\. 交叉分解
](
docs/9.md
)
+
[
1.9\. 朴素贝叶斯
](
docs/10.md
)
+
[
1.10\. 决策树
](
docs/11.md
)
+
[
1.11\. 集成方法
](
docs/12.md
)
+
[
1.12\. 多类和多标签算法
](
docs/13.md
)
+
[
1.13\. 特征选择
](
docs/14.md
)
+
[
1.14\. 半监督学习
](
docs/15.md
)
+
[
1.15\. 等式回归
](
docs/16.md
)
+
[
1.16\. 概率校准
](
docs/17.md
)
+
[
1.17\. 神经网络模型(有监督)
](
docs/18.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
)
+
[
2.2\. 流形学习
](
docs/21.md
)
+
[
2.3\. 聚类
](
docs/22.md
)
+
[
2.4\. 双聚类
](
docs/23.md
)
+
[
2.5\. 分解成分中的信号(矩阵分解问题)
](
docs/24.md
)
+
[
2.6\. 协方差估计
](
docs/25.md
)
+
[
2.7\. 新奇和异常值检测
](
docs/26.md
)
+
[
2.8\. 密度估计
](
docs/27.md
)
+
[
2.9\. 神经网络模型(无监督)
](
docs/28.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/33.md
)
+
[
3.1\. 交叉验证:评估估算器的表现
](
docs/34.md
)
+
[
3.2\. 调整估计器的超参数
](
docs/35.md
)
+
[
3.3\. 模型评估: 量化预测的质量
](
docs/53.md
)
+
[
3.4\. 模型持久化
](
docs/54.md
)
+
[
3.5\. 验证曲线: 绘制分数以评估模型
](
docs/55.md
)
+
[
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/56.md
)
+
[
5.1\. Pipeline(管道)和 FeatureUnion(特征联合): 合并的评估器
](
docs/57.md
)
+
[
5.2\. 特征提取
](
docs/58.md
)
+
[
5.3\. 预处理数据
](
docs/59.md
)
+
[
5.4\. 缺失值填充
](
)
+
[
5.5\. 无监督降维
](
docs/60.md
)
+
[
5.6\. 随机投影
](
docs/61.md
)
+
[
5.7\. 内核近似
](
docs/62.md
)
+
[
5.8\. 成对的矩阵, 类别和核函数
](
docs/63.md
)
+
[
5.9\. 预测目标 (`y`.md) 的转换
](
docs/64.md
)
+
[
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 无监督降维
](
docs/41.md?id=_54-无监督降维
)
+
[
5.5 随机投影
](
docs/42.md?id=_55-随机投影
)
+
[
5.6 内核近似
](
docs/43.md?id=_56-内核近似
)
+
[
5.7 成对的矩阵, 类别和核函数
](
docs/44.md?id=_57-成对的矩阵,-类别和核函数
)
+
[
5.8 预测目标 (`y`) 的转换
](
docs/45.md?id=_58-预测目标--的转换
)
+
[
5.9
](
docs/46.md
)
+
[
6\. 数据集加载工具
](
docs/65.md
)
+
[
7\. 使用scikit-learn计算
](
docs/66.md
)
+
[
7.1\. 大规模计算的策略: 更大量的数据
](
docs/66?id=_71-大规模计算的策略-更大量的数据
)
...
...
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