Skip to content

整体进度 v0.21.3(校对) #352

@jiangzhonglian

Description

@jiangzhonglian

认领须知

提交的时候不要改动文件名称,因为文件名和原文的链接是对应的!!!

留言格式:昵称 + QQ + 章节

昵称: 表示已经该用户任务过期,他人可认领替代!

章节 校验者 进度
安装 scikit-learn
用户指南 - -
1. 监督学习 @LovelyBuggies 100%
1.1. 广义线性模型 @qinhanmin2014 100%
1.2. 线性和二次判别分析 @VPrincekin
@LovelyBuggies
100%
1.3. 内核岭回归 @qinhanmin2014 100%
1.4. 支持向量机 @qinhanmin2014 100%
1.5. 随机梯度下降 @qinhanmin2014 100%
1.6. 最近邻 @qinhanmin2014 100%
1.7. 高斯过程 @LingrenKong
1.8. 交叉分解 @qinhanmin2014 100%
1.9. 朴素贝叶斯 @qinhanmin2014 100%
1.10. 决策树 @wanruixiang
1.11. 集成方法 @qinhanmin2014 100%
1.12. 多类和多标签算法
1.13. 特征选择
1.14. 半监督学习 @LovelyBuggies 100%
1.15. 等式回归
1.16. 概率校准
1.17. 神经网络模型(有监督) @LovelyBuggies 100%
2. 无监督学习
2.1. 高斯混合模型 @barrycg 100%
2.2. 流形学习 @barrycg 100%
2.3. 聚类 @barrycg 100%
2.4. 双聚类 @barrycg 100%
2.5. 分解成分中的信号(矩阵分解问题) @barrycg 100%
2.6. 协方差估计 @barrycg 100%
2.7. 新奇和异常值检测 @barrycg 100%
2.8. 密度估计 @barrycg 100%
2.9. 神经网络模型(无监督) @barrycg
@LovelyBuggies
100%
3. 模型选择和评估
3.1. 交叉验证:评估估算器的表现 @P3n9W31
3.2. 调整估计器的超参数 @P3n9W31
3.3. 模型评估: 量化预测的质量 @P3n9W31
3.4. 模型持久化 @P3n9W31
3.5. 验证曲线: 绘制分数以评估模型 @P3n9W31
4. 检验
4.1. 部分依赖图
5. 数据集转换 @VPrincekin 100%
5.1. Pipeline(管道)和 FeatureUnion(特征联合): 合并的评估器 @VPrincekin 100%
5.2. 特征提取 @VPrincekin 100%
5.3 预处理数据 @VPrincekin
5.4 缺失值插补 @VPrincekin
5.5. 无监督降维 @VPrincekin
5.6. 随机投影
5.7. 内核近似
5.8. 成对的矩阵, 类别和核函数
5.9. 预测目标 (y) 的转换
6. 数据集加载工具
6.1. 通用数据集 API
6.2. 玩具数据集
6.3 真实世界中的数据集
6.4. 样本生成器
6.5. 加载其他数据集
7. 使用scikit-learn计算
7.1. 大规模计算的策略: 更大量的数据
7.2. 计算性能
7.3. 并行性、资源管理和配置
教程
使用 scikit-learn 介绍机器学习
关于科学数据处理的统计学习教程
机器学习: scikit-learn 中的设置以及预估对象
监督学习:从高维观察预测输出变量 @LovelyBuggies 100%
模型选择:选择估计量及其参数
无监督学习: 寻求数据表示
把它们放在一起
寻求帮助
处理文本数据
选择正确的评估器(estimator.md)
外部资源,视频和谈话
API 参考
常见问题
时光轴

Metadata

Metadata

Assignees

Type

No type

Projects

No projects

Milestone

No milestone

Relationships

None yet

Development

No branches or pull requests

Issue actions