scikit-learn (sklearn) 官方文档中文版 维护地址 目录 贡献指南 项目负责人 项目协议 建议反馈 赞助我们 scikit-learn (sklearn) 官方文档中文版 scikit-learn 是基于 Python 语言的机器学习工具 简单高效的数据挖掘和数据分析工具 可供大家在各种环境中重复使用 建立在 N...

4. 检验 4. 检验 4.1. 部分依赖图 我们一直在努力 apachecn/sklearn-doc-zh

3.5. 验证曲线: 绘制分数以评估模型 3.5.1. 验证曲线 3.5.2. 学习曲线 3.5. 验证曲线: 绘制分数以评估模型 校验者: @正版乔 @正版乔 @小瑶 翻译者: @Xi 每种估计器都有其优势和缺陷。它的泛化误差可以用偏差、方差和噪声来分解。估计值的 偏差 是不同训练集的平均误差。估计值的 方差 用来表示它对训练集的变化有...

4.1. 部分依赖图 4.1. 部分依赖图 4.1. 部分依赖图 4.1. 部分依赖图 校验者: 待核验翻译者: @Loopy 部分依赖图(以下简称PDP)显示了目标响应[1]和一组“目标”特征之间的依赖关系，并边缘化所有其他特征（“补充”特征）的值。直观地，我们可以将部分依赖关系解释为预期目标响应作为“目标”特征的函数。 由于人类感知的...

一、特征处理 1.1 二元化 1.2 独热码 1.3 标准化 1.3.1 MinMaxScaler 1.3.2 MaxAbsScaler 1.3.3 StandardScaler 1.4 正则化 一、特征处理 1.1 二元化 二元化Binarizer 的原型为： class sklearn . preprocessing ....

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 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。 以下部分为您提供了有关如何使用 pickle ...

把它们放在一起 模型管道化 用特征面进行人脸识别 """ Faces recognition example using eigenfaces and SVMs Display progress logs on stdout # Download the data, if not already on disk and load...

3.1. 交叉验证：评估估算器的表现 3.1. 交叉验证：评估估算器的表现 3.1.1. 计算交叉验证的指标 3.1.1.1. cross_validate 函数和多度量评估 3.1.1.2. 通过交叉验证获取预测 3.1.2. 交叉验证迭代器 3.1.2.1. 交叉验证迭代器–循环遍历数据 3.1.2.1.1. K 折 3.1.2.1.2. 重复...

Parallel and Distributed Machine Learning Types of Scaling Scikit-Learn in 5 Minutes Hyperparameters Hyperparameter Optimization Single-machine parallelism with scikit-learn M...