Search

Please activate JavaScript to enable the search functionality.

From here you can search these documents. Enter your search words into the box below and click "search". Note that the search function will automatically search for all of the words. Pages containing fewer words won't appear in the result list.

Search Results

Search finished, found 840 page(s) matching the search query.

  • 绘制单独与投票回归预测
    投票回归器是一种集合元-估计器，适用于多个基回归器，每个基估计器位于整个数据集上。然后对单个预测进行平均值，形成最终预测。我们将使用三个不同的回归器来预测数据：[`GradientBoostingRe
  • 强异常数据集上的Huber回归与岭回归
    在有异常值的数据集上拟合岭回归和Huber回归。 这个例子表明， 岭回归的预测受数据集的离群值的影响很大。Huber回归受离群值的影响较小， 因为模型用的线性损失。随着Huber回归方程参数ep
  • sklearn.cluster.AgglomerativeClustering
    ```python class sklearn.cluster.AgglomerativeClustering(n_clusters=2, *, affinity='euclidean', memo
  • sklearn.linear_model.OrthogonalMatchingPursuitCV
    ```python class sklearn.linear_model.OrthogonalMatchingPursuitCV(*, copy=True, fit_intercept=True,
  • sklearn.datasets.make_biclusters
    ```python sklearn.datasets.make_biclusters(shape, n_clusters, *, noise=0.0, minval=10, maxval=100,
  • sklearn.metrics.pairwise.linear_kernel
    ```python sklearn.metrics.pairwise.linear_kernel(X, Y=None, dense_output=True) ``` [源码](https:/
  • sklearn.model_selection.LeaveOneOut
    ```python class sklearn.model_selection.LeaveOneOut ``` [[源码](https://github.com/scikit-learn/s
  • sklearn.preprocessing.MultiLabelBinarizer
    ```python class sklearn.preprocessing.MultiLabelBinarizer(*, classes=None, sparse_output=False) ```
  • sklearn.utils.safe_mask
    ```Python sklearn.utils.safe_mask(X, mask) ``` [源码](https://github.com/scikit-learn/scikit-lear
  • 在区域内分割希腊硬币的图片
    此示例在图像上从体素到体素差值生成的图形上使用光谱聚类将图像分割为多个部分同质的区域。 这种过程(图像上的光谱聚类)是找到归一化图割集的一种有效的近似解。 有两个选项可指定标签： -
  • 树森林的特征重要性
    这个例子展示了如何利用树森林来评估特征在人工分类任务中的重要性。红色的柱子是森林以不存度为基础的特征重要性，也是树木间的差异。 正如预期的那样，图中显示了3个特征是信息丰富的，而其余的则不是。 警
  • 在密集和稀疏数据上的Lasso
    我们证明了linear_model.Lasso为密集和稀疏数据提供了相同的结果，在稀疏数据的情况下，速度得到了提高。 ```python --- Dense matrices Sparse
  • sklearn.cluster.Birch
    ```PYTHON class sklearn.cluster.Birch(*, threshold=0.5, branching_factor=50, n_clusters=3, compute_
  • sklearn.linear_model.ARDRegression
    ```python class sklearn.linear_model.ARDRegression(*, n_iter=300, tol=0.001, alpha_1=1e-06, alpha_2
  • sklearn.datasets.make_blobs
    ```python sklearn.datasets.make_blobs(n_samples=100, n_features=2, *, centers=None, cluster_std=1.0,

首页101112141516末页