1.10. 决策树 1.10.1. 分类 1.10.2. 回归 1.10.3. 多值输出问题 1.10.4. 复杂度分析 1.10.5. 实际使用技巧 1.10.6. 决策树算法: ID3, C4.5, C5.0 和 CART 1.10.7. 数学表达 1.10.7.1. 分类标准 1.10.7.2. 回归标准 1.10. 决策树 ...

1.10. 决策树 1.10. 决策树 1.10.1. 分类 1.10.2. 回归 1.10.3. 多值输出问题 1.10.4. 复杂度分析 1.10.5. 实际使用技巧 1.10.6. 决策树算法: ID3, C4.5, C5.0 和 CART 1.10.7. 数学表达 1.10.7.1. 分类标准 1.10.7.2. 回归标准 ...

十四、线性模型 线性模型 - 概述 线性模型实战 Statsmodels & Patsy 的线性模型 解释输出 检查我们的模型 使用多个预测值 sklearn 线性回归 （在 sklearn 中）使用多个预测变量 十四、线性模型 原文：Linear Models 译者：飞龙 协议：CC BY-NC-SA 4.0 线性...

六、GaussianMixture 六、GaussianMixture GaussianMixture 是scikit-learn 给出的混合高斯模型。其原型为 class sklearn . mixture . GaussianMixture ( n_components = 1 , covariance_type = 'full' , ...

Nuclio functions Nuclio Overview Using Nuclio In Data Science Pipelines Installing Nuclio over Kubernetes Writing and Deploying a Simple Function Using Nuclio with KubeFlow Pip...

对性能的评估 评估一个分类器，通常比评估一个回归器更加玄学。所以我们将会花大量的篇幅在这个话题上。有许多量度性能的方法，所以拿来一杯咖啡和准备学习许多新概念和首字母缩略词吧。 使用交叉验证测量准确性 评估一个模型的好方法是使用交叉验证，就像第二章所做的那样。 实现交叉验证 在交叉验证过程中，有时候你会需要更多的控制权，相较于函数cros...

Nuclio functions Nuclio Overview Using Nuclio In Data Science Pipelines Installing Nuclio over Kubernetes Writing and Deploying a Simple Function Using Nuclio with KubeFlow Pip...

版本说明 操作步骤 使用建议 使用 Spark 的 DataFrame，而不要使用 Pandas 的 DataFrame 在 Task 里使用 Python 库，而不是在 Driver上 使用 Python 库 Pypark 组件为使用 Python 的 Spark 用户提供服务，用户通过 Python 编写 Spark 应用程序，通过 PySp...

2.3 监督学习 III 非参数学习器 K 最近邻（KNN） 距离度量：定义和计算“邻近性” 选取k ：使用交叉验证调优超参数 K 的较高值防止过拟合 真实世界中使用 KNN 的地方 决策树和随机森林 泰坦尼克数据集 选择决策树中的分割 随机森林：决策树的集成 之后，我们就完成了监督学习的学习 练习材料和扩展阅读 2.3a 实现 KNN...

20200601 修订 20200405 修订 20200112 修订 20191201 修订 20190928 修订 20190825 修订 20190802 修订 数学基础 统计学习 深度学习 工具 CRF lightgbm xgboost scikit-learn spark numpy scipy matplotli...