sklearn包：
監督學習：sklearn.
neighbors：近鄰
svm：支援向量機
kernel-ridge：核嶺回歸
discriminant_analysis：判別分析
linear_model：廣義線性模型
ensemble：整合方法
tree ：決策樹
naïve_bayes：樸素貝葉斯
cross_decomposition：交叉分解
gaussian_process：高斯過程
neural_network：多層神經網路
calibration：概率校準
isotomic：保序回歸
feature_selection：監督特徵選擇
multiclass：多類多標籤演算法
無監督學習：sklearn.
decomposition：矩陣因子分解
cluster：聚類分析
manifold：流形學習
mixture：高斯混合模型
neural_network：無監督多層神經網路
density：密度估計
covariance：協方差估計
頂層繼承類：sklearn.base.
baseestimator：所有評估器的父類
classifiermixin：所有分類器的父類，其子類必須實現乙個score函式
regressormixin：所有回歸器的父類，其子類必須實現乙個score函式
clustermixin：所有聚類的父類，其子類必須實現乙個fit_predict函式
biclustermixin：
transformermixin：所有資料變換的父類，其子類必須實現乙個fit_transform函式
densitymixin：所有密度估計相關的父類，其子類必須實現乙個score函式
metaestimatormixin：
sklearn 六大板塊統一api介面：
六大板塊：
分類（classification）\回歸（regression）\聚類（clustering）
維數約簡（dimensionality）\特徵抽取選擇（feature extraction\selection）
\資料預處理（preprocessing）
統一api：
1、 資料載入和預處理
2、訓練集訓練：estimator.fit(x_train,y_train)
3、用訓練好的模型在測試集**：
estimator.predict(x_test)：classification、regression、clustering
estimator.transform(x_test)：preprocessing、dimensionality、feature extraction\selection
5、 對模型進行效能評估：estimator.score(x_test,y_test)：classification、regression
sklearn工具 學習筆記4
sklearn資料集變換 dataset transformation 1 pipeline and featureunion 並行或序列組合變換器 1 pipeline 可以用於把多個estimators級聯為乙個estimator，pipeline物件使用 key,value 列表來構建，其中k...
sk learn 學習官方筆記1
scikit learn提供了一些標準資料集，例如 用於分類的 虹膜和數字資料集和波士頓房價回歸資料集。在下文中，我們從shell中啟動乙個python直譯器，然後載入iris和digits資料集。我們的符號約定是 表示shell提示符，而 表示python直譯器提示符 python fromskl...
sklearn學習筆記
1.波士頓房價線性回歸模型 from sklearn import datasets from sklearn.linear model import linearregression boston datasets.load boston data x boston.data y boston.t...