sklearn 模块参考书 - 程序猿CubeTian

计算机

sklearn 全称 scikit learn 是机器学习领域当中最知名的python模块之一

sklearn 包含了很多种机器学习的方式：

Classification 分类
Regression 回归
Clustering 非监督分类
Dimensionality reduction 数据降维
Model Selection 模型选择
Preprocessing 数据预处理

选择模型

sklearn 中包含了众多的学习模型，我们需要根据实际问题选择适合的模型
这里有一张官网流程图帮助大家，根据实际问题，选择合适的模型

这里，本人还未完全熟悉所有学习方式，拷贝了sam‘s note 的相关链接

2017/06/11 【1】简介--1--机器学习
2017/06/11 【1】简介--2--sklearn简介
2018/08/14 【2】监督学习
2017/06/14 【2】监督学习--1--分类
2018/08/28 【2】监督学习--1--分类-K近邻分类器
2018/08/28 【2】监督学习--1--分类-决策树(DecisionTreeClassifier)
2018/08/28 【2】监督学习--1--分类-贝叶斯(naive_bayes)
2018/08/28 【2】监督学习--1--分类-支持向量机(svm)
2017/06/15 【2】监督学习--2--回归
2018/08/22 【2】监督学习--3--多项式变形--PolynomialFeatures
2017/06/11 【3】无监督学习概述
2017/07/08 【3】无监督学习--3--聚类--概述
2018/07/05 【3】无监督学习--3--聚类--基于距离--kmeans
2017/07/08 【3】无监督学习--3--聚类--层次聚类
2018/05/16 【4.1.1】模型选择与评估--1--交叉检验（Cross Validation）
2018/08/17 【4.3.1】量化预测结果
2018/09/21 【4.3.2.3】量化预测结果--分类变量--准确率，召回和F-措施
2018/09/21 【4.3.2.1】量化预测结果--分类变量
2018/07/05 【4.3.2.9】量化预测结果--分类变量--MCC、RI
2017/02/07 【4.3.2.2】量化预测结果--分类变量--ROC曲线和AUC评价指标
2018/08/17 【4.4.1】模型的保存与调用
2018/08/17 【4.5.1】验证曲线--欠拟合和过拟合
2018/08/17 【4.5.2】验证曲线--绘制验证曲线
2018/08/17 【4.5.3】验证曲线--绘制学习曲线
2018/05/13 【5】数据集转化--3--预处理数据-One Hot Encoding in Scikit-Learn
2017/07/07 【9】例子--1--general--Plotting Cross-Validated Predictions（交叉验证预测）
2017/07/08 【9】例子--1--general--混合多重方法获得feature
2017/07/08 【9】例子--1--general--PCA与逻辑回归的搭配
2017/07/07 【9】例子--1--general--保序回归(Isotonic Regression)
2017/07/07 【10】报错-1-Mac运行sklearn的matplotlib问题

本文由 CubeTian 创作，采用知识共享署名4.0 国际许可协议进行许可
本站文章除注明转载/出处外，均为本站原创或翻译，转载前请务必署名
最后编辑时间为: 2019-09-09T11:02:10+08:00