ApacheCN
- 1. 安装 sciki-learn 中文文档
- 2. 使用 scikit-learn 介绍机器学习
- 3. 广义线性模型
- 4. 线性和二次判别分析
- 5. 内核岭回归
- 6. 支持向量机
- 7. 随机梯度下降
- 8. 最近邻
- 9. 高斯过程
- 10. 交叉分解
- 11. 朴素贝叶斯
- 12. 决策树
- 13. 集成方法
- 14. 多类和多标签算法
- 15. 特征选择
- 16. 半监督学习
- 17. 概率校准
- 18. 神经网络模型(监督读)
- 19. 高斯混合模型
- 20. 流形学习
- 21. 聚类
- 22. 双聚类
- 23. 分解成分中的信号
- 24. 协方差估计
- 25. 新异类和异常值检测
- 26. 密度估计
- 27. 神经网络模型(无监督)
- 28. 交叉验证
- 29. 优化估计起的超参数
- 30. 模型评估
- 31. 模型持久化
- 32. Pipeline(管道)合并评估器
- 33. 特征提取
- 34. 预处理数据
- 35. 无监督降维
- 36. 随机投影
- 37. 内核近似
- 38. 成对的矩阵,类别和核函数
- 39. 预测目标(y)的转换
- 40. 数据集加载工具
- 41. 大规模计算的策略
- 42. 预测延迟 / 预测吞吐量 / 技巧和窍门
- 43. 使用 scikit-learn 介绍机器学习
- 44. 机器学习: scikit-learn 中的设置以及预估对象
- 45. 从高维观察预测输出变量
- 46. 模型选择: 选择估计量及其参数
- 47. 无监督学习: 寻求数据表示
- 48. 把它们放在一起 - 关于科学数据处理的统计学习教程
- 49. 寻求帮助 - 关于科学数据处理的统计学习教程
- 50. 处理文本数据