安装 让我们开始吧！假设您按照第 2 章中的安装说明安装了 Jupyter 和 Scikit-Learn，您可以简单地使用pip 来安装 TensorFlow。 如果你使用virtualenv 创建了一个独立的环境，你首先需要激活它： &# x24 ; cd &# x24 ; ML_PATH ...

External Links and Articles Articles English German Japanese Russian Vietnamese Taiwanese Podcasts English Talks English Projects External Links and Articles Warning...

4.5 Booster API 转换 4.5 Booster API 转换 从 LGBMModel 转换到Booster ：通过.booster_ 属性来获取底层的Booster 。 源码： @property def booster_ ( self ): """Get the underlying lightg...

选择并训练模型 可到这一步了！你在前面限定了问题、获得了数据、探索了数据、采样了一个测试集、写了自动化的转换流水线来清理和为算法准备数据。现在，你已经准备好选择并训练一个机器学习模型了。 在训练集上训练和评估 好消息是基于前面的工作，接下来要做的比你想的要简单许多。像前一章那样，我们先来训练一个线性回归模型： from sklearn . li...

13.5 继续学习 13.5 继续学习 我只是介绍了一些Python建模库的表面内容，现在有越来越多的框架用于各种统计和机器学习，它们都是用Python或Python用户界面实现的。 这本书的重点是数据规整，有其它的书是关注建模和数据科学工具的。其中优秀的有： Andreas Mueller and Sarah Guido (O’Reilly)...

7.1. 大规模计算的策略: 更大量的数据 7.1.1. 使用外核学习实例进行拓展 7.1.1.1. 流式实例 7.1.1.2. 提取特征 7.1.1.3. 增量学习 7.1.1.4. 示例 7.1.1.5. 注释 7.1. 大规模计算的策略: 更大量的数据 校验者: @文谊 翻译者: @ゞFingヤ 对于一些应用程序，需要被处理的样...

线性支持向量机分类 SVM 的基本思想能够用一些图片来解释得很好，图 5-1 展示了我们在第4章结尾处介绍的鸢尾花数据集的一部分。这两个种类能够被非常清晰，非常容易的用一条直线分开（即线性可分的）。左边的图显示了三种可能的线性分类器的判定边界。其中用虚线表示的线性模型判定边界很差，甚至不能正确地划分类别。另外两个线性模型在这个数据集表现的很好，但是它们的...

核心概念 核心概念 MLeap 通过多个核心构件（Building Block）来实现 Pipeline 的轻松部署。 概念 说明 Data Frames 用于存储将被转换的数据，类似于 SQL 表。 Transformers 从 Data Frame 中提取数据，对数据应用某些操作，并输出新的字段到 Data Fram...