5.9. 预测目标 (y) 的转换 5.9. 预测目标 (y ) 的转换 5.9.1. 标签二值化 5.9.2. 标签编码 5.9. 预测目标 (y) 的转换 5.9. 预测目标 (y ) 的转换 校验者: @FontTian @numpy 翻译者: @程威 本章要介绍的这些变换器不是被用于特征的，而是只被用于变换监督学习的目标。 如果...

3.4. 模型持久化 3.4. 模型持久化 3.4.1. 持久化示例 3.4.2. 安全性和可维护性的局限性 3.4. 模型持久化 3.4. 模型持久化 校验者: @why2lyj（Snow Wang） @小瑶 翻译者: @那伊抹微笑 在训练完 scikit-learn 模型之后，最好有一种方法来将模型持久化以备将来使用，而无需重新训练...

分類法/範例二: Normal and Shrinkage Linear Discriminant Analysis for classification (一)產生測試資料 (二)改變特徵數量並測試shrinkage之功能 (三)顯示LDA判別結果 (四)完整程式碼 分類法/範例二: Normal and Shrinkage Linear ...

一、线性模型 1.1 LinearRegression 1.2 Ridge 1.3 Lasso 1.4 ElasticNet 1.4 LogisticRegression 1.5 LinearDiscriminantAnalysis 一、线性模型 线性模型的一些通用参数： fit_intercept ：一个布尔值，指定是否需要计算截...

处理文本数据 教程设置 加载这 20 个新闻组的数据集 从文本文件中提取特征 词袋 使用 scikit-learn 来对文本进行分词 从出现次数到出现频率 训练分类器 构建 Pipeline（管道） 在测试集上的性能评估 使用网格搜索进行调参 练习 练习 1：语言识别 练习 2：电影评论的情感分析 练习 3：CLI 文本分类实用程序 ...

3.5.7 模型选择: 选择预测器及其参数 3.5.7.1 网格搜索和交叉验证预测器 3.5.7.1.1 网格搜索 3.5.7.1.2 交叉验证预测器 3.5.7 模型选择: 选择预测器及其参数 3.5.7.1 网格搜索和交叉验证预测器 3.5.7.1.1 网格搜索 scikit-learn提供了一个对象，给定数据，计算预测器在一个参数...

感知器 感知器是最简单的人工神经网络结构之一，由 Frank Rosenblatt 发明于 1957。它是基于一种稍微不同的人工神经元（见图 10-4），称为线性阈值单元（LTU）：输入和输出现在是数字（而不是二进制开/关值），并且每个输入连接都与权重相连。LTU计算其输入的加权和（z = W1×1 + W2×2 + ... + + WN×n = Wt·...

SVM 回归 正如我们之前提到的，SVM 算法应用广泛：不仅仅支持线性和非线性的分类任务，还支持线性和非线性的回归任务。技巧在于逆转我们的目标：限制间隔违规的情况下，不是试图在两个类别之间找到尽可能大的“街道”（即间隔）。SVM 回归任务是限制间隔违规情况下，尽量放置更多的样本在“街道”上。“街道”的宽度由超参数ϵ 控制。图 5-10 显示了在一些随机生...

End-to-end Kubeflow on AWS AWS services used Prerequisites Deploy the Kubernetes cluster Deploy the kubernetes dashboard Deploy Kubeflow Cognito and certificates Route53 Certi...