scikit-learn

Python中的机器学习

入门指南 版本亮点 1.5
  • 简单高效的预测数据分析工具
  • 人人可用,可在各种场景中重复使用
  • 基于NumPy、SciPy和matplotlib构建
  • 开源,可商业使用 - BSD许可证

分类

识别对象所属的类别。

应用: 垃圾邮件检测,图像识别。
算法: 梯度提升, 最近邻, 随机森林, 逻辑回归, 以及 更多...

示例

回归

预测与对象相关的连续值属性。

应用: 药物反应,股票价格。
算法: 梯度提升, 最近邻, 随机森林, 岭回归, 以及 更多...

示例

聚类

自动将相似对象分组。

应用: 客户细分,实验结果分组。
算法: k-Means, HDBSCAN, 层次聚类, 以及 更多...

示例

降维

减少需要考虑的随机变量数量。

应用: 可视化,提高效率。
算法: PCA, 特征选择, 非负矩阵分解, 以及 更多...

示例

模型选择

比较、验证和选择参数和模型。

应用: 通过参数调优提高准确性。
算法: 网格搜索, 交叉验证, 评估指标, 以及 更多...

示例

预处理

特征提取和归一化。

应用: 转换输入数据(如文本)以用于机器学习算法。
算法: 预处理, 特征提取, 以及 更多...

示例

新闻

社区

帮助我们,捐赠! 引用我们!

谁在使用scikit-learn?

更多用户评价...