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.

  • 4.2基于排列的特征重要性
    基于排列的特征重要性是一种模型检查技术，可用于表格型数据中任一个[拟合的](https://scikit-learn.org.cn/lists/91.html#%E9%80%9A%E7%94%A8%E
  • 7 数据集加载工具
    `sklearn.datasets`模块嵌入了“ [入门](https://scikit-learn.org.cn/view/855.html)“部分介绍的一些小型玩具数据集。 该模块还具有帮助用户
  • 6.9 转换预测目标（y）
    这些转换器不打算用于特征，而只能用于有监督的学习目标。如果要转换预测目标以进行学习，但请在原始（未转换）空间中评估模型，另请参见[在回归中转换目标](https://scikit-learn.org.
  • 8.3. 并行, 资源管理和配置
    ## 8.3.1. 并行计算 一些scikit-learn的评估器与实用程序可以通过多核CPU进行并行计算，这要归功于下面的组件： - 通过 [joblib](https://joblib.rea
  • 稳健与经验协方差估计
    通常的协方差极大似然估计对数据集中异常值的存在非常敏感。在这种情况下，最好使用稳健的协方差估计器，以确保估计能够抵抗数据集中的“错误”观测。[1][2] ## 最小协方差行列式估计 最小协方差行列
  • 绘制随机生成的多标签数据集
    [`make_multilabel_classification`](https://scikit-learn.org.cn/view/594.html) 说明了数据集生成器。每个样本包含两个特征(总
  • 理解决策树的结构
    通过对决策树结构的分析，进一步了解特征与预测目标之间的关系。在本例中，我们将展示如何检索： - 二叉树结构； - 每个节点的深度以及它是否是一片叶子节点； - 使用`decision_pat
  • 人脸数据集分解
    这个例子把 [The Olivetti faces dataset](https://scikit-learn.org.cn/view/121.html#7.3%20%E7%8E%B0%E5%AE%9
  • 使用stacking的组合预测器
    stacking是一种组合估计器的方法。在该策略中，一些估计器单独的在一些训练数据上进行拟合，而最终估计器则是使用这些基估计器的预测融合训练的。 在这个例子中，我们说明了一个用例，在这个用例中，不同
  • 文本文档的核外分类
    这是一个示例，展示了如何使用核外的方法来进行分类：从不适合主存的数据中学习。我们使用在线分类器，即支持partial_fit 方法，该分类器将提供大量的示例， 该方法别使用数据的一部分。为了保证特征空
  • 单变量特征选择
    一个显示单变量特征选择的例子。 在iris数据中加入含噪(非信息)特征，并采用单变量特征选择。对于每个特征，我们绘制了单变量特征选择的p-值和支持向量机的相应权重。我们可以看到，单变量特征选择选
  • 变体贝叶斯高斯混合的聚集优先类型分析
    这个例子绘制了一个从toy数据集(混合了三个高斯)得到的椭球， 这些椭球是由带有Dirichlet分布先验的 (`weight_concentration_prior_type='dirichlet_
  • 离散数据结构上的高斯过程
    此示例说明如何使用高斯过程对非固定长度特征向量形式的数据进行回归和分类任务。这是通过核函数在离散结构(例如可变长度序列、树和图)直接操作实现的。 具体来说，这里的输入变量是一些以可变长度字符串形式存
  • 保险索赔的推断回归
    此示例演示了Poisson、Gamma和Tweedie回归在[法国汽车第三方责任索赔数据集](https://www.openml.org/d/41214)上的使用，并受R教程[1]的启发。 在这个
  • 线性模型系数解释中的常见缺陷
    在线性模型中，目标值被建模为特征的线性组合(请参阅scikit-learn中“[Linear Models](https://scikit-learn.org/stable/modules/linea

首页495051535455末页