【机器学习】sklearn学习目录

原始目录网址:

全栈:https://blog.csdn.net/luanpeng825485697?t=1

python:https://blog.csdn.net/luanpeng825485697/article/details/78347433


python机器学习库sklearn教程

python机器学习库sklearn——生成样本数据

python机器学习库sklearn——数据预处理

python机器学习库sklearn——特征提取

python机器学习库sklearn——特征选择

python机器学习库sklearn——K最近邻、K最近邻分类、K最近邻回归

python机器学习库sklearn——决策树

python机器学习库sklearn——k均值聚类

python机器学习库sklearn——BIRCH聚类

python机器学习库sklearn——DBSCAN密度聚类

python机器学习库sklearn——文档贝叶斯分类器

python机器学习库sklearn——线性回归

python机器学习库sklearn——岭回归(Ridge、RidgeCV)(L2正则化)

python机器学习库sklearn——Lasso回归(L1正则化)

python机器学习库sklearn——逻辑分类

python机器学习库sklearn——支持向量机svm

python机器学习库sklearn——SGD梯度下降法

python机器学习库sklearn——降维

python机器学习库sklearn——神经网络(分类、回归)

python机器学习库sklearn——集成方法(Bagging、Boosting、随机森林RF、AdaBoost、GBDT)

python机器学习库sklearn——多类、多标签、多输出

python机器学习库sklearn——参数优化(网格搜索GridSearchCV、随机搜索RandomizedSearchCV)

python机器学习库sklearn——交叉验证(K折、留一、留p、随机)

python机器学习库sklearn——模型度量

Sklearn,也称为scikit-learn,是一个针对Python编程语言的免费软件机器学习库。它是由数据科学家David Cournapeau在2007年发起的项目,旨在与Python的数值科学库NumPy和SciPy联合使用。Sklearn提供了一系列简单高效的工具,用于预测数据分析,并且可以在各种情况下重复使用。它是一个开源框架,可以在商业环境中使用,采用BSD许可证。Sklearn建立在NumPy、SciPy、Pandas和Matplotlib之上,提供了简单易用的API接口,非常适合新手上路。Sklearn是一个专门用于机器学习的包,包括有监督学习和无监督学习的任务模块,以及一个数据引入模块。\[1\]\[2\]\[3\] #### 引用[.reference_title] - *1* [Py之scikit-learn:机器学习sklearn库的简介、六大基本功能介绍(数据预处理/数据降维/模型选择/分类/回归/...](https://blog.csdn.net/qq_41185868/article/details/79682338)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [sklearn机器学习](https://blog.csdn.net/weixin_57437047/article/details/129713003)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值