# 关于科学数据处理的统计学习教程
校验者:
        待校验
翻译者:
        [@Loopy](https://github.com/loopyme)

> 统计学习
>
>随着科学实验数据集规模的快速增长，[机器学习](https://en.wikipedia.org/wiki/Machine_learning)机器学习技术正变得越来越重要。它能处理的问题主要包括：建立连接不同观测值的预测函数，对观测值进行分类，或者分析未标记数据集中的结构。
>
>本教程将探讨*统计学习*。以[统计推断](https://en.wikipedia.org/wiki/Statistical_inference)为目标,使用机器学习技术，根据手头的数据来得出结论。
>
>Scikit-learn是一个Python模块，它将科学计算的Python包([NumPy](http://www.scipy.org), [SciPy](http://www.scipy.org), [matplotlib](http://matplotlib.org))集成到了一起。

* [机器学习: scikit-learn 中的设置以及预估对象](53.md#机器学习--scikit-learn-中的设置以及预估对象)
    * [数据集](53.md#数据集)
    * [预估对象](53.md#预估对象)
* [监督学习：从高维观察预测输出变量](54.md#监督学习：从高维观察预测输出变量)
    * [最近邻和维度惩罚](54.md#最近邻和维度惩罚)
    * [线性模型：从回归到稀疏](54.md#线性模型：从回归到稀疏)
    * [支持向量机(SVMs)](54.md#支持向量机)
* [模型选择：选择估计量及其参数](55.md#模型选择：选择估计量及其参数)
    * [分数和交叉验证分数](55.md#分数和交叉验证分数)
    * [交叉验证生成器](55.md#交叉验证生成器)
    * [网格搜索和交叉验证估计量](55.md#网格搜索和交叉验证估计量)
* [无监督学习: 寻求数据表示](56.md#无监督学习--寻求数据表示)
    * [聚类: 对样本数据进行分组](56.md#聚类--对样本数据进行分组)
    * [分解: 将一个信号转换成多个成份并且加载](56.md#分解--将一个信号转换成多个成份并且加载)
* [把它们放在一起](57.md#把它们放在一起)
    * [模型管道化](57.md#模型管道化)
    * [用特征面进行人脸识别](57.md#用特征面进行人脸识别)
    * [开放性问题: 股票市场结构](57.md#开放性问题--股票市场结构)
* [寻求帮助](58.md#寻求帮助)
    * [项目邮件列表](58.md#项目邮件列表)
    * [机器学习从业者的 Q&A 社区](58.md#机器学习从业者的-q&a-社区)