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.

  • sklearn.model_selection.GridSearchCV
    ```python class sklearn.model_selection.GridSearchCV(estimator, param_grid, *, scoring=None, n_jobs=
  • sklearn.neighbors.KNeighborsTransformer
    ```python class sklearn.neighbors.KNeighborsTransformer(*, mode='distance', n_neighbors=5, algorithm
  • sklearn.feature_extraction.FeatureHasher
    ```python class sklearn.feature_extraction.FeatureHasher(n_features=1048576, *, input_type='dict', d
  • sklearn.feature_selection.SelectFromModel
    ```python class sklearn.feature_selection.SelectFromModel(estimator, *, threshold=None, prefit=Fals
  • sklearn.preprocessing.add_dummy_feature
    ```python sklearn.preprocessing.add_dummy_feature(X, value=1.0) ``` [[源码]](https://github.com/s
  • sklearn.utils.sparsefuncs_fast.inplace_csr_row_normalize_l2
    ```python sklearn.utils.sparsefuncs_fast.inplace_csr_row_normalize_l2() ``` 使用l2范数进行行归一化
  • sklearn.gaussian_process.Exponentiation
    ``` class sklearn.gaussian_process.kernels.Exponentiation(kernel, exponent) ``` [[源码]](https://
  • BIRCH和MiniBatchKMeans的比较
    这个例子比较了Birch(有和没有全局聚类步骤)和MiniBatchKMeans在一个使用make_blobs生成的包含100000个样本和两个特征的人工数据集中的运行时间。 如果`n_clus
  • 1.9 朴素贝叶斯
    朴素贝叶斯方法是一组基于贝叶斯定理的有监督学习算法，在给定类变量值的情况下，假设每一对特征之间的条件独立性为“朴素”假设。贝叶斯定理给出了类变量$y$和相关特征向量$x_{1}$到$x_{n}$之间的
  • 2.1. 高斯混合模型
    `sklearn.mixture`是一种采用高斯混合模型进行非监督学习的包，（支持 diagonal，spherical，tied，full 四种类型的协方差矩阵）可以对数据进行采样并估计，同时该包也
  • 6.1 管道和复合估算器
    转换器（Transformers ）通常与分类器，回归器或其他估计器组合在一起，以构建复合估计器。最常用的工具是 [管道（Pipeline）](https://scikit-learn.org.cn/
  • Iris数据集LDA和PCA二维投影的比较
    Iris数据集代表了3种鸢尾花(Setosa、Versicolour和Virica)的4个属性：萼片长度、萼片宽度、花瓣长度和花瓣宽度。 应用于该数据的主成分分析(PCA)确定了属性(主成分，或
  • 基于完全随机树的哈希特征变换
    RandomTreesEmbedding 提供了一种将数据映射到非常高维、稀疏表示的方法，这可能有利于分类。该映射是完全无监督和非常有效的。 这个例子可视化了由几个树给出的分区，并展示了转换也可
  • 非负矩阵分解与潜在Dirichlet分配的主题提取
    这是一个在语料库上应用[`sklearn.decomposition.NMF`](https://scikit-learn.org.cn/view/609.html)和[`sklearn.decomp
  • 在iris数据集上的高斯过程分类
    这个例子说明了在二维版本的iris数据集上，各向同性和各向异性径向基函数核(RBF)的GPC的预测概率。各向异性径向基函数核通过给两个特征维分配不同的长度尺度，得到略高的对数边际似然。 ![](

首页232425272829末页