Sklearn学习教程
文章平均质量分 75
Sklearn学习教程,从零到一
颜淡慕潇
CSDN专家博主,CSDN内容合伙人,新星计划导师,全栈领域优质创作者,阿里云专家博主/星级博主
专注于分享后端领域技术,承蒙厚爱,感谢支持!
希望和大家一起努力,成为更好的自己!
展开
-
【sklearn | 7】:scikit-learn项目实战指南
scikit-learn是一个基于Python的开源机器学习库,建立在NumPy、SciPy和matplotlib这些科学计算库之上。它提供了简单而高效的数据挖掘和数据分析工具,包括分类、回归、聚类和降维等机器学习算法。线性模型:如线性回归、逻辑回归等。决策树:用于分类和回归问题。支持向量机(SVM):用于分类和回归问题。随机森林:一种集成学习方法,由多个决策树组成。聚类算法:如K-means、层次聚类等。降维技术:如主成分分析(PCA)和线性判别分析(LDA)。原创 2024-07-17 11:33:21 · 17086 阅读 · 27 评论 -
【sklearn | 6】无监督学习与聚类分析
本篇文章主要介绍 sklearn 中的无监督学习和聚类分析。无监督学习包括聚类分析、降维和异常检测。聚类分析方法包括 k 均值、层次聚类和。原创 2024-05-31 17:18:37 · 18050 阅读 · 2 评论 -
【sklearn | 5】:集成学习与模型解释
通过本篇专题教程,我们学习了 sklearn 中的集成学习和模型解释。集成学习包括袋装法、提升法和堆叠法,模型解释涵盖了特征重要性分析、部分依赖图和 SHAP 值。这些技术和方法可以帮助你构建更强大的模型,并更好地理解模型的行为,从而提高模型的可信度和可解释性。希望这些知识能在你的实际项目中有所帮助。原创 2024-05-31 11:33:43 · 19100 阅读 · 1 评论 -
【sklearn | 4】 深度教程:模型部署与优化
通过本篇深度教程,我们学习了如何在 sklearn 中进行模型部署与优化。模型部署可以使用 Flask 构建 API,或在云平台上部署。模型优化包括超参数调优和特征选择。希望这些技术和方法能帮助你在实际项目中提高模型的可用性和性能。原创 2024-05-31 10:54:08 · 17491 阅读 · 1 评论 -
【sklearn | 3】时间序列分析与自然语言处理
通过本篇进阶教程,我们学习了 sklearn 中的时间序列分析和自然语言处理的基本方法。时间序列分析包括特征提取、时间序列拆分和预测模型,而自然语言处理涵盖了文本特征提取和文本分类。希望这些知识能在你的实际项目中有所帮助,并激发你进一步探索更复杂的时间序列和自然语言处理技术。原创 2024-05-31 10:42:50 · 18634 阅读 · 0 评论 -
【Sklearn | 2】sklearn 高级教程
在上一篇基础教程中,我们介绍了 sklearn的基础使用方法。本文将进一步深入,介绍一些高级功能和技巧,包括管道、特征工程、模型选择与评估、以及集成方法等。原创 2024-05-31 10:16:33 · 18579 阅读 · 1 评论 -
【sklearn | 1】sklearn 基础教程
scikit-learn(简称 sklearn)是一个基于 Python的机器学习库,广泛应用于数据挖掘和数据分析。它提供了各种分类、回归和聚类算法,以及工具用于模型选择和数据预处理。本文将详细介绍sklearn 的基本使用方法和功能。原创 2024-05-31 10:09:32 · 19365 阅读 · 0 评论