Scikit-learn 秘籍
Scikit-learn 秘籍
绝不原创的飞龙
这个作者很懒,什么都没留下…
展开
-
Scikit-learn 秘籍 翻译完成
Scikit-learn 秘籍 原书:Scikit-learn Cookbook在线阅读PDF格式EPUB格式MOBI格式代码仓库译者 章节 译者 1 预处理 2 回归 3 聚类 4 分类 5 后处理协议CC BY-NC-SA 4.0翻译 2017-06-22 16:14:17 · 37627 阅读 · 0 评论 -
Scikit-learn 秘籍 第五章 模型后处理
第五章 模型后处理 作者:Trent Hauck 译者:飞龙 协议:CC BY-NC-SA 4.05.1 K-fold 交叉验证这个秘籍中,我们会创建交叉验证,它可能是最重要的模型后处理验证练习。我们会在这个秘籍中讨论 k-fold 交叉验证。有几种交叉验证的种类,每个都有不同的随机化模式。K-fold 可能是一种最熟知的随机化模式。准备我们会创建一些数据集,之后在不同的在翻译 2017-06-22 15:51:23 · 38091 阅读 · 0 评论 -
Scikit-learn 秘籍 第四章 使用 scikit-learn 对数据分类
第四章 使用 scikit-learn 对数据分类 作者:Trent Hauck 译者:飞龙 协议:CC BY-NC-SA 4.0分类在大量语境下都非常重要。例如,如果我们打算自动化一些决策过程,我们可以利用分类。在我们需要研究诈骗的情况下,有大量的事务,人去检查它们是不实际的。所以,我们可以使用分类都自动化这种决策。4.1 使用决策树实现基本的分类这个秘籍中,我们使用决策翻译 2017-06-20 17:15:53 · 40586 阅读 · 0 评论 -
Scikit-learn 秘籍 第三章 使用距离向量构建模型
第三章 使用距离向量构建模型 作者:Trent Hauck 译者:飞龙 协议:CC BY-NC-SA 4.0这一章中,我们会涉及到聚类。聚类通常和非监督技巧组合到一起。这些技巧假设我们不知道结果变量。这会使结果模糊,以及实践客观。但是,聚类十分有用。我们会看到,我们可以使用聚类,将我们的估计在监督设置中“本地化”。这可能就是聚类非常高效的原因。它可以处理很大范围的情况,通常翻译 2017-05-25 20:55:33 · 37899 阅读 · 0 评论