使用 scikit-learn 介绍机器学习 机器学习：问题设置 加载示例数据集 学习和预测 模型持久化 规定 关于科学数据处理的统计学习教程 机器学习: scikit-learn 中的设置以及预估对象 数据集 预估对象 监督学习：从高维观察预测输出变量 最近邻和维度惩罚 线性模型：从回归到稀疏 支持向量机(SVMs) 模型选择：选择估计量及其参数 分数和交叉验证分数 交叉验证生成器 网格搜索和交叉验证估计量 无监督学习: 寻求数据表示 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 把它们放在一起 模型管道化 用特征面进行人脸识别 开放性问题: 股票市场结构 寻求帮助 项目邮件列表 机器学习从业者的 Q&A 社区 处理文本数据 教程设置 加载这 20 个新闻组的数据集 从文本文件中提取特征 训练分类器 构建-pipeline（管道） 在测试集上的性能评估 使用网格搜索进行调参 练习 快速链接 选择正确的评估器(estimator.md) 外部资源，视频和谈话 共享此文章：TwitterFacebook赞过：赞 正在加载…… 相关
0dayhub