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.

  • scikit-learn机器学习简介
    本指南的目的是说明 `scikit-learn`所提供的一些主要功能。它假定你已经掌握了机器学习基础的知识（模型拟合，预测，交叉验证等）。请参阅我们的安装说明进行`scikit-learn`安装。
  • sklearn.gaussian_process.Product
    ```python class sklearn.gaussian_process.kernels.Product(k1, k2) ``` [[源码]](https://github.com/
  • 分类器校准的比较
    举例说明分类器预测概率的校准。 经过良好校准的分类器是概率分类器，它的输出可以直接解释为置信度。例如，经过良好校准的二分类器应该对样本进行分类，这个样本被给予的predict_proba值接近0
  • 手写数字识别
    用一个例子，说明如何使用scikit-learn来识别手写数字的图像。 此示例实在[用户手册的教程部分](https://scikit-learn.org.cn/view/855.html)。 !
  • 手写数字数据上K均值聚类的一个演示
    在这个例子中，我们比较了K-均值的各种初始化策略在运行时和结果的质量方面。 由于这里已知的基本真相，我们还应用不同的聚类质量度量来评估聚类标签是否适合于基本的真理。 聚类质量指标评价(看 [聚类行
  • 3.2 调整估计器的超参数
    ​ 超参数是估计器的参数中不能通过学习得到的参数。在scikit-learn中，他们作为参数传递给估计器不同类的构造函数。典型的例子有支持向量分类器的参数C，kernel和gamma，Lasso的参
  • 1.14 半监督学习
    [Semi-supervised learning](https://en.wikipedia.org/wiki/Semi-supervised_learning)是指训练数据中一些样本数据没有标签的
  • 2.6. 协方差估计
    许多统计问题都需要估计总体的协方差矩阵，这可以看作是对数据集散点图形状的估计。在大多数情况下，必须对某个样本进行这样的估计，其属性（大小，结构，均匀性）对估计质量有很大影响。 [`sklearn.co
  • 6.6 随机投影
    [`sklearn.random_projection`](https://scikit-learn.org.cn/lists/3.html#sklearn.random_projection%EF%
  • 稀疏逆协方差估计
    使用 GraphicalLasso 估计器从少量样本中学习协方差和稀疏精度。 要估计概率模型(如高斯模型)，估计精度矩阵，即逆协方差矩阵，与估计协方差矩阵一样重要。实际上，高斯模型是由精度矩阵参
  • 数字数据集
    此数据集由1797 张8x8图像组成。每幅图片，如下图所示，都是手写数字。为了利用这样的8x8图形，我们必须首先将其转换为长度为64的特征向量。 有关此数据集的更多信息，请[参见](https:
  • 多输出决策树回归
    一个用决策树展示多输出回归的例子。 [决策树](https://scikit-learn.org.cn/view/89.html)用于同时预测给定单个特征的圆的噪声x和y的观测值。因此，它学习了近似
  • 基于概率主成分分析和因子分析(FA)的模型选择
    概率PCA和因子分析是概率模型。其结果是，新数据的似然可用于模型选择和协方差估计。在这里，我们使用交叉验证在低秩的被破坏的同方差噪声数据上比较了PCA和FA(每个特征的噪声方差是相同的)或异方差噪声(
  • 梯度提升袋外估计
    袋外(OOB)估计是估计“最优”提升迭代次数的一种有用的启发式方法。OOB估计与交叉验证估计几乎相同，但它们可以在不需要重复模型拟合的情况下实时计算。OOB估计仅适用于随机梯度提升(即 `subsam
  • 物种分布模型
    物种地理分布的模拟是保护生物学中的一个重要问题。在这个例子中，我们模拟了两种南美哺乳动物的地理分布，给出了过去的观测结果和14个环境变量。由于我们只有正的例子(没有不成功的观测结果)，所以我们把这个问

首页353637394041末页