关注于数据分析的小站

Sklearn

# 1. 监督学习

lin, han阅读(32016)赞(13)

1.1 广义线性模型 1.1.1 普通最小二乘法 1.1.2 岭回归 1.1.3 Lasso 1.1.4 多任务 Lasso 1.1.5 弹性网络 1.1.6 多任务弹性网络 1.1.7 最小角回归 1.1.8 LARS Lasso 1.1...

# 1.9. 朴素贝叶斯-0dayhub

# 1.9. 朴素贝叶斯

lin, han阅读(36169)赞(9)

校验者:         @Kyrie @Loopy 翻译者:         @TWITCH 朴素贝叶斯方法是基于贝叶斯定理的一组有监督学习算法,即“简单”地假设每对特征之间相互独立。 给定一个类别 和一个从 到 的相关的特征向量, 贝叶...

# 1.10. 决策树-0dayhub

# 1.10. 决策树

lin, han阅读(36624)赞(12)

校验者:         @文谊         @皮卡乒的皮卡乓 @Loopy 翻译者:         @I Remember Decision Trees (DTs) 是一种用来 classification 和 regression...

# 1.11. 集成方法-0dayhub

# 1.11. 集成方法

lin, han阅读(37893)赞(9)

校验者:         @Dream on dreamer.         @zehuichen123         @JanzenLiu         @小瑶         @\S^R^Y/ @Loopy 翻译者:       ...

# 1.12. 多类和多标签算法-0dayhub

# 1.12. 多类和多标签算法

lin, han阅读(10192)赞(9)

校验者:         @溪流-十四号         @大魔王飞仙 @Loopy 翻译者:         @v 警告 scikit-learn中的所有分类器都可以开箱即用进行多类分类。除非您想尝试不同的多类策略,否则无需使用sklea...

# 1.13. 特征选择-0dayhub

# 1.13. 特征选择

lin, han阅读(9815)赞(9)

校验者:         @yuezhao9210         @BWM-蜜蜂 @Loopy 翻译者:         @v 在 sklearn.feature_selection 模块中的类可以用来对样本集进行 feature sel...

# 1.14. 半监督学习-0dayhub

# 1.14. 半监督学习

lin, han阅读(9781)赞(9)

校验者:         @STAN,废柴0.1 @Loopy 翻译者:         @那伊抹微笑 半监督学习 适用于在训练数据上的一些样本数据没有贴上标签的情况。 sklearn.semi_supervised 中的半监督估计, 能够...

# 1.15. 等式回归-0dayhub

# 1.15. 等式回归

lin, han阅读(10047)赞(9)

校验者:         @STAN,废柴0.1 翻译者:         @Damon IsotonicRegression 类对数据进行非降函数拟合. 它解决了如下的问题: 最小化 服从于 其中每一个 是 strictly 正数而且每个...

# 1.16. 概率校准-0dayhub

# 1.16. 概率校准

lin, han阅读(5325)赞(7)

校验者:         @曲晓峰         @小瑶 翻译者:         @那伊抹微笑 执行分类时, 您经常希望不仅可以预测类标签, 还要获得相应标签的概率. 这个概率给你一些预测的信心. 一些模型可以给你贫乏的概率估计, 有些...

# 1.17. 神经网络模型(有监督)-0dayhub

# 1.17. 神经网络模型(有监督)

lin, han阅读(6376)赞(7)

校验者:         @tiantian1412         @火星 @Loopy 翻译者:         @A 警告 此实现不适用于大规模数据应用。 特别是 scikit-learn 不支持 GPU。如果想要提高运行速度并使用基...