纸上得来终觉浅

1. sklearn 参照： http://scikit-learn.org/stable/tutorial/basic/tutorial.htmlfrom sklearn.externals import joblibjoblib.dump(clf, 'filename.pkl') clf = joblib.load('filename.pkl') 以上适合所有sklearn

conda update scikit-learn

from：http://www.cnblogs.com/harvey888/p/5852687.html转载，http://blog.youkuaiyun.com/gamer_gyt目录(?)[+]======================================================================本系列博客主要参考 Sciki

from：http://blog.youkuaiyun.com/lulei1217/article/details/49385531回归是统计学中最有力的工具之一。机器学习监督学习算法分为分类算法和回归算法两种，其实就是根据类别标签分布类型为离散型、连续性而定义的。顾名思义，分类算法用于离散型分布预测，如前面讲过的KNN、决策树、朴素贝叶斯、adaboost、SVM、Logistic回归都是分类算

转自：http://www.cnblogs.com/pinard/p/6160412.html在Bagging与随机森林算法原理小结中，我们对随机森林(Random Forest, 以下简称RF）的原理做了总结。本文就从实践的角度对RF做一个总结。重点讲述scikit-learn中RF的调参注意事项，以及和GBDT调参的异同点。1. scikit-learn随机森林类库概述

转自：http://blog.youkuaiyun.com/ahora_wzy/article/details/51188453在训练模型后将模型保存的方法，以免下次重复训练。使用pickle模块或者sklearn内部的joblib一、使用pickle模块from sklearn import svmfrom sklearn import datasetsc

svm-rbf0.606             precision    recall  f1-score   support        0.0       0.56      0.39      0.46       431        1.0       0.62      0.77      0.69       569avg /