机器学习目录

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接： https://blog.youkuaiyun.com/chinachenyyx/article/details/75299043

ApacheCN（Apache中文网）- 关于我们 : http://cwiki.apachecn.org/pages/viewpage.action?pageId=10813869

ApacheCN cwiki 地址为 scikit-learn 0.18 中文文档 : http://cwiki.apachecn.org/pages/viewpage.action?pageId=10030181

sklearn :  基于 Python 语言的，简单高效的数据挖掘和数据分析工具，建立在 NumPy，SciPy 和 matplotlib 上。

此外，Apache Spark 2.2.0 官方文档中文版，开始采用 github 迭代维护的方式来更新，欢迎大家一起来迭代维护，地址为 https://github.com/apachecn/spark-doc-zh。

以下是 sklearn 官方文档中文版，如果你也有兴趣，欢迎来一起来维护迭代。

scikit-learn 0.18 中文文档

• 快速入门
• 用户指南
  • 监督学习
    • Generalized Linear Models ( 广义线性模型 )
    • Linear and Quadratic Discriminant Analysis ( 线性和二次判别分析 )
    • Kernel ridge regression ( 内核岭回归 )
    • Support Vector Machines（支持向量机, SVM）
    • Stochastic Gradient Descent ( 随机梯度下降 )
    • Nearest Neighbors ( 最近邻 )
    • Gaussian Processes（高斯过程）
    • Cross decomposition（交叉分解）
    • Naive Bayes ( 朴素贝叶斯 )
    • Decision Trees（决策树）
    • Ensemble methods（集成方法）
    • 多类和多标签算法
    • 功能选择
    • 半监督
    • 等式回归
    • 概率校准
    • 神经网络模型（监督）
  • 无监督学习
    • 高斯混合模型
    • 流形学习
    • 聚类
    • 双聚类
    • 分解成分中的信号（矩阵分解问题）
    • 协方差估计
    • 新奇和异常检测
    • 密度估计
    • 神经网络模型（无监督）
  • 模型选择和评估
    • 交叉验证：评估估计器性能
    • 调整估计器的超参数
    • 模型评估：量化预测的质量
    • 模型持久化
    • 验证曲线：绘制分数以评估模型
  • 数据集转换
    • 管道和FeatureUnion：组合估计
    • 特征提取
    • 预处理数据
    • 无监督降维
    • 随机投影
    • 内核近似
    • 成对度量，亲和力和内核
    • 转换预测目标（y）
  • 数据集加载实用程序
  • 计算策略：更大的数据
  • 计算性能
• 教程
• API 文档
• 开发指南
• 流程图
• 相关包
• 常问问题
• 其他资源
• 其他版本

---

学习路线 : 机器学习基础 –> sklearn –> tensorflow（学这些之前，得先把大数据的基础搞定先，后期会组织该学习活动，期待ing。。。）

若你有任何想法或建议，请联系企鹅 : 1042658081

欢迎转载，请注明来源： ApacheCN »  scikit-learn（sklearn）0.18 官方文档中文版 | ApacheCN