2.7. 新奇点和离群点检测 2.7.1. 离群点检测方法一览 2.7.2. Novelty Detection（新奇点检测） 2.7.3. Outlier Detection（离群点检测） 2.7.3.1. Fitting an elliptic envelope（椭圆模型拟合） 2.7.3.2. Isolation Forest（隔离森林） 2....

2.7. 新奇和异常值检测 2.7. 新奇点和离群点检测 2.7.1. 离群点检测方法一览 2.7.2. Novelty Detection（新奇点检测） 2.7.3. Outlier Detection（离群点检测） 2.7.3.1. Fitting an elliptic envelope（椭圆模型拟合） 2.7.3.2. Isolation F...

Examples Semantic Search Pipelines Workflows Model Training Applications Examples The examples directory has a series of notebooks and applications giving an overview of...

MNIST 在本章当中，我们将会使用 MNIST 这个数据集，它有着 70000 张规格较小的手写数字图片，由美国的高中生和美国人口调查局的职员手写而成。这相当于机器学习当中的“Hello World”，人们无论什么时候提出一个新的分类算法，都想知道该算法在这个数据集上的表现如何。机器学习的初学者迟早也会处理 MNIST 这个数据集。 Scikit-L...

3.2. 调整估计器的超参数 3.2.1. 网格追踪法–穷尽的网格搜索 3.2.2. 随机参数优化 3.2.3. 参数搜索技巧 3.2.3.1. 指定目标度量 3.2.3.2. 为评估指定多个指标 3.2.3.3. 复合估计和参数空间 3.2.3.4. 模型选择：开发和评估 3.2.3.5. 并行机制 3.2.3.6. 对故障的鲁棒性 3....

2.6.3 基础操作 2.6.3.1 统计信息 2.6.3.2 几何图像变换 2.6.3 基础操作 图像是数组: 使用完整的numpy机制。 In [21]: face = misc . face ( gray = True ) face [ 0 , 40 ] Out[21]: 127 In [22]: ...

3.3.2 输入/输出, 数据类型和颜色空间 3.3.2.1 数据类型 3.3.2 输入/输出, 数据类型和颜色空间 I/O: skimage.io In [4]: from skimage import io 读取文件: skimage.io.imread() In [7]: import os filename...

Reshaping and reorganizing data Reordering dimensions Expand and squeeze dimensions Converting between datasets and arrays Stack and unstack Stacking different variables togethe...

通用範例/範例三: Isotonic Regression (一) Regression「迴歸」 (二) Linear Regression「線性迴歸」 (三) Isotonic Regression「保序迴歸」 (四) 完整程式碼 通用範例/範例三: Isotonic Regression http://scikit-learn.org/s...