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.exceptions.ConvergenceWarning
    ```python class sklearn.exceptions.ConvergenceWarning ``` [[源码]](https://github.com/scikit-lear
  • sklearn.feature_extraction.grid_to_graph
    ```python sklearn.feature_extraction.image.grid_to_graph(n_x, n_y, n_z=1, *, mask=None, return_as=<
  • sklearn.neighbors.RadiusNeighborsClassifier
    ``` class sklearn.neighbors.RadiusNeighborsClassifier(radius=1.0, *, weights='uniform', algorithm='a
  • sklearn.feature_selection.RFE
    ```python class sklearn.feature_selection.RFE(estimator, *, n_features_to_select=None, step=1, verb
  • sklearn.preprocessing.label_binarize
    ```python sklearn.preprocessing.label_binarize(y, *, classes, neg_label=0, pos_label=1, sparse_outp
  • sklearn.svm.LinearSVC
    ```Python class sklearn.svm.LinearSVC(penalty='l2', loss='squared_hinge', *, dual=True, tol=0.0001,
  • sklearn.utils.validation.check_is_fitted
    ```python sklearn.utils.validation.check_is_fitted(estimator, attributes=None, *, msg=None, all_or_a
  • sklearn.gaussian_process.Kernel
    ```python class sklearn.gaussian_process.kernels.Kernel ``` [[源码]](https://github.com/scikit-le
  • 聚类表现评估中的机会调整
    下面的图表演示了聚类数量和样本数量对各种聚类性能评估指标的影响。 非-调整测度(如V-测度)显示了聚类数与样本数之间的依赖关系：随机标记的平均V-度量随着聚类数接近用于计算度量的样本总数而显著增
  • 1.11 集成算法
    **集成算法**的目的是将几个基估计器的预测与给定的学习算法结合起来，以提高单个估计器的通用性和鲁棒性。 集成方法一般分为两种： - 在**平均法**（averaging methods)
  • 2.3. 聚类
    可以使用模块 [`sklearn.cluster`](http://scikit-learn.jg.com.cn/lists/3.html#sklearn.cluster%EF%BC%9A%E8%81
  • 6.3 数据预处理
    `sklearn.preprocessing`包提供了几个常用的实用函数和转换器类，用以将原始特征向量更改为更适合下游估计器的表示形式。 通常，学习算法受益于数据集的标准化。如果数据集中存在一些异常
  • 主成分分析(PCA)
    这些图有助于说明点云在一个方向上是如何非常平坦的--这就是PCA选择一个不是平坦方向的地方。 ![](/upload/a2be29b4c4f111cff220cd9b364dc85c.png
  • 离散与真实AdaBoost
    此示例基于Hastie等人2009 [1]的图10.2，并说明了离散的SAMME [2]提升算法与实SAMME.R提升算法在表现上的差异。这两种算法都是在一个二分类任务上评估的，其中目标Y是一个由10
  • 模型复杂度影响
    演示模型复杂性如何影响预测精度和计算性能。 数据集是波士顿房屋数据集(Resp 20个新闻组)。用于回归(resp。分类)。 对于每一类模型，我们通过选择相关的模型参数使模型的复杂度发生变

首页272829313233末页