文件名称：sklearn学习指南
文件大小：19.45MB
文件格式：ZIP
更新时间：2021-02-15 09:53:15
机器学习
机器学习是近年来渐趋热门的一个领域，同时Python 语言经过一段时间的发展也已逐渐成为主流的编程语言之一。本书结合了机器学习和Python 语言两个热门的领域，通过利用两种核心的机器学习算法来将Python 语言在数据分析方面的优势发挥到极致。 全书共有10 章。第1 章讲解了Python 机器学习的生态系统，剩余9 章介绍了众多与机器学习相关的算法，包括各类分类算法、数据可视化技术、推荐引擎等，主要包括机器学习在公寓、机票、IPO 市场、新闻源、内容推广、股票市场、图像、聊天机器人和推荐引擎等方面的应用。 本书适合Python 程序员、数据分析人员、对算法感兴趣的读者、机器学习领域的从业人员及科研人员阅读。
【文件预览】：
sklearn
----3.2.4.1.4. sklearn.linear_model.LassoLarsCV — scikit-learn 0.19.pdf(196KB)
----3.2.4.1.5. sklearn.linear_model.LogisticRegressionCV — scikit-learn 0.19.pdf(188KB)
----2.5. Decomposing signals in components (matrix factorization problems) — scikit-learn 0.19.pdf(1.06MB)
----3.2. Tuning the hyper-parameters of an estimator — scikit-learn 0.19.pdf(188KB)
----3.2.4.3.3. sklearn.ensemble.ExtraTreesClassifier — scikit-learn 0.19.pdf(443KB)
----1.2. Linear and Quadratic Discriminant Analysis — scikit-learn 0.19.pdf(340KB)
----2.1. Gaussian mixture models — scikit-learn 0.19.pdf(778KB)
----2.9. Neural network models (unsupervised) — scikit-learn 0.19.pdf(175KB)
----1.10. Decision Trees — scikit-learn 0.19.pdf(482KB)
----3. Model selection and evaluation — scikit-learn 0.19.pdf(130KB)
----1.4. Support Vector Machines — scikit-learn 0.19.pdf(564KB)
----1.12. Multiclass and multilabel algorithms — scikit-learn 0.19.pdf(345KB)
----2.7. Novelty and Outlier Detection — scikit-learn 0.19.pdf(562KB)
----1.17. Neural network models (supervised) — scikit-learn 0.19.pdf(626KB)
----1.11. Ensemble methods — scikit-learn 0.19.pdf(795KB)
----1.1. Generalized Linear Models — scikit-learn 0.19.pdf(1.03MB)
----3.5. Validation curves_ plotting scores to evaluate models — scikit-learn 0.19.pdf(287KB)
----3.2.4.3.4. sklearn.ensemble.ExtraTreesRegressor — scikit-learn 0.19.pdf(232KB)
----3.2.4.3.5. sklearn.ensemble.GradientBoostingClassifier — scikit-learn 0.19.pdf(276KB)
----3.3. Model evaluation_ quantifying the quality of predictions — scikit-learn 0.19.pdf(572KB)
----1.13. Feature selection — scikit-learn 0.19.pdf(174KB)
----2.8. Density Estimation — scikit-learn 0.19.pdf(317KB)
----3.2.4.1.2. sklearn.linear_model.LarsCV — scikit-learn 0.19.pdf(165KB)
----3.2.4.3.2. sklearn.ensemble.RandomForestRegressor — scikit-learn 0.19.pdf(247KB)
----1.16. Probability calibration — scikit-learn 0.19.pdf(566KB)
----1.8. Cross decomposition — scikit-learn 0.19.pdf(213KB)
----1.6. Nearest Neighbors — scikit-learn 0.19.pdf(508KB)
----1.15. Isotonic regression — scikit-learn 0.19.pdf(96KB)
----3.2.4.1.9. sklearn.linear_model.RidgeCV — scikit-learn 0.19.pdf(215KB)
----1.9. Naive Bayes — scikit-learn 0.19.pdf(161KB)
----2. Unsupervised learning — scikit-learn 0.19.pdf(119KB)
----3.2.4.1.7. sklearn.linear_model.MultiTaskLassoCV — scikit-learn 0.19.pdf(204KB)
----3.2.4.1.10. sklearn.linear_model.RidgeClassifierCV — scikit-learn 0.19.pdf(166KB)
----3.2.4.1.3. sklearn.linear_model.LassoCV — scikit-learn 0.19.pdf(277KB)
----1.3. Kernel ridge regression — scikit-learn 0.19.pdf(147KB)
----1.5. Stochastic Gradient Descent — scikit-learn 0.19.pdf(350KB)
----1.7. Gaussian Processes — scikit-learn 0.19.pdf(1.48MB)
----3.2.4.2.1. sklearn.linear_model.LassoLarsIC — scikit-learn 0.19.pdf(196KB)
----2.3. Clustering — scikit-learn 0.19.pdf(2.55MB)
----3.4. Model persistence — scikit-learn 0.19.pdf(118KB)
----3.1. Cross-validation_ evaluating estimator performance — scikit-learn 0.19.pdf(254KB)
----2.4. Biclustering — scikit-learn 0.19.pdf(457KB)
----2.2. Manifold learning — scikit-learn 0.19.pdf(1.11MB)
----3.2.4.1.8. sklearn.linear_model.OrthogonalMatchingPursuitCV — scikit-learn 0.19.pdf(169KB)
----3.2.4.1.1. sklearn.linear_model.ElasticNetCV — scikit-learn 0.19.pdf(192KB)
----1.14. Semi-Supervised — scikit-learn 0.19.pdf(188KB)
----2.6. Covariance estimation — scikit-learn 0.19.pdf(400KB)
----3.2.4.3.6. sklearn.ensemble.GradientBoostingRegressor — scikit-learn 0.19.pdf(294KB)
----1.0User guide_ contents — scikit-learn 0.19.pdf(94KB)
----3.2.4.3.1. sklearn.ensemble.RandomForestClassifier — scikit-learn 0.19.pdf(599KB)
----3.2.4.1.6. sklearn.linear_model.MultiTaskElasticNetCV — scikit-learn 0.19.pdf(192KB)