Python机器学习Sklearn专题文章集锦

机器学习专题文章分享时间跨度有两个月了，期间断断续续，总算把第三方机器学习库Sklearn中常见的一些理论及模型提及了一遍，内容主要包括：特征工程、监督学习及无监督学习这三大块，下面分别汇总一下，方便大家阅读：

特征工程

机器学习概述

机器学习中数据相关介绍

sklearn数据集介绍

数据的特征工程

特征工程之字典数据特征抽取

特征工程之文本特征抽取

特征工程之TF-IDF

数值型数据特征处理之归一化

数值型数据特征处理之标准化

特征处理之缺失值处理

特征选择之低方差过滤

特征降维之PCA降维

通俗理解PCA降维作用

监督学习

分类：K-近邻算法（KNN）

K-近邻：鸢尾花（iris数据集）分类

kd树 -- K近邻的实现

分类算法：决策树

决策树：泰坦尼克号人员生存分类

分类：朴素贝叶斯算法

朴素贝叶斯实战：新闻文本分类

线性回归：正规方程与梯度下降SGD

线性回归：波士顿房价预测

线性回归：岭回归（Ridge）

岭回归房价预测训练模型的保存与加载

分类算法：逻辑回归

逻辑回归：良、恶性肿瘤病历分类预测

无监督学习

无监督学习：kmeans聚类

Kmeans聚类：啤酒数据集聚类

模型的选择与调优：交叉验证与网格搜索

机器学习专题文章分享暂告一段落，上面所提及的模型是在小编实习阶段中经常使用的，后期如果有该专题内容，会继续补发，文章原创不易，谢谢！！！

---

Python基础知识专题文章集锦

Python爬虫专题文章集锦

Python数据分析专题文章集锦

Python数据可视化专题文章集锦

---

公众号     QQ群

扫QQ群二维码进交流学习群

或在后台回复：加群