Search

Search Results

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

• sklearn.exceptions.ChangedBehaviorWarning
  ```python class sklearn.exceptions.ChangedBehaviorWarning ``` [[源码]](https://github.com/scikit-
• sklearn.feature_extraction.extract_patches_2d
  ```python sklearn.feature_extraction.image.extract_patches_2d(image, patch_size, *, max_patches=Non
• sklearn.neighbors.LocalOutlierFactor
  ```py class sklearn.neighbors.LocalOutlierFactor(n_neighbors=20, *, algorithm='auto', leaf_size=30,
• sklearn.feature_selection.SelectFwe
  ```python class sklearn.feature_selection.SelectFwe(score_func=, *, alpha=0.05)
• sklearn.preprocessing.binarize
  ```python sklearn.preprocessing.binarize(X, *, threshold=0.0, copy=True) ``` [[源码]](https://git
• sklearn.utils.random.sample_without_replacement
  ```python sklearn.utils.random.sample_without_replacement() ``` 采样整数而不进行替换。 从集合[0,n个总体]中选择n个
• sklearn.gaussian_process.Hyperparameter
  ``` class sklearn.gaussian_process.kernels.Hyperparameter[source] ``` [[源码]](https://github.com
• k均值初始化影响的实证评价
  通过聚类相对标准的inertia(即离最近聚类中心的平方距离之和)来评价 k-means初始化策略的收敛鲁棒性。 第一个图显示模型(`KMeans`或`MiniBatchKMeans`)和ini
• 1.10 决策树
  **决策树**(DTs)是一种用于[分类](http://scikit-learn.jg.com.cn/view/89.html#1.10.1%20%E5%88%86%E7%B1%BB)和[回归](h
• 2.2. 流形学习
  ​
• 6.2 特征提取
  [`sklearn.feature_extraction`](https://scikit-learn.org.cn/lists/3.html#sklearn.feature_extraction%E
• 使用FastICA的盲源分离
  一个从噪声数据中估计源的例子。 [Independent component analysis (ICA)](https://scikit-learn.org.cn/view/110.html#2.
• 多类Adaboost决策树
  这个例子再现了 朱等人[1]的图1，并展示了如何boosting才能提升对多类问题的预测精度。分类数据集是通过采用10维标准正态分布创建的，并且定义三个类，由嵌套同心的10维球分隔，使每个类中的样本数
• 基于特征面和支持向量机的人脸识别实例
  本例中使用的数据集是“Labeled Faces in the Wild”来自。aka [LFW](http://vis-www.cs.umass.edu/lfw/):http://vis-www.c
• 核岭回归与高斯过程回归的比较
  核岭回归(KRR)和高斯过程回归(GPR)都是通过内部使用“核技巧”来学习目标函数的。KRR在相应的核催生的空间中学习一个线性函数，该函数对应于原始空间中的一个非线性函数。线性函数的选择是基于带岭正则

首页上一页25262728293031下一页末页