机器学习

白天 夜间 首页 下载 阅读记录
  我的书签   添加书签   移除书签

Sklearn视频教程

浏览 136 扫码 分享 2023-11-22 00:56:32
  • Sklearn 简介
  • 一般使用
  • 高级使用

    目录
    **

    Sklearn 简介

    • 机器学习 (Machine Learning)
    • Why Sklearn?
    • Sklearn 安装

      一般使用

    • 选择学习方法

    • 通用学习模式
      • 要点
      • 导入模块
      • 创建数据
      • 建立模型-训练-预测
    • sklearn 强大数据库
    • sklearn 常用属性与功能

      高级使用

    • 正规化 Normalization

    • 检验神经网络 (Evaluation)
    • 交叉验证 1 Cross-validation
    • 交叉验证 2 Cross-validation
    • 交叉验证 3 Cross-validation
    • 保存模型

    若有收获,就点个赞吧

    0 人点赞

    上一篇:
    下一篇:
    • 书签
    • 添加书签 移除书签
    • 概览
    • Anaconda使用指南
    • JupyterLab的使用简介
    • python交互式shell-ipython
    • 什么是递归?
    • LaTeX 各种命令,符号
    • 决策树
      • 决策树系列(一)——基础知识回顾与总结
      • 决策树系列(二)——剪枝
      • 决策树系列(三)——ID3
      • 决策树系列(四)——C4.5
      • 决策树系列(五)——CART
      • 决策树的分类与回归分析
      • 决策树中基尼不纯度初步理解
      • 熵和信息增益
    • Sklearn视频教程
      • gridSearchCV(网格搜索)的参数、方法及示例
      • Sklearn使用教程
      • sklearn的快速使用
      • SKlearn中分类决策树的重要参数详解
      • train_test_split数据集分割
      • DecisionTreeClassifier()分类决策树
      • 回归决策树DecisionTreeRegressor
      • sklearn中常见的线性模型参数释义
      • sklearn中集成学习模型参数释义
    • SciPy——Python机器学习及分析工具
    • NumPy 介绍
      • NumPy 教程
      • python基础之numpy.reshape详解
      • Numpy中的meshgrid()函数
      • numpy.c_
    • Panadas使用
      • Seaborn
      • Python 和 Pandas 数据分析教程
      • Crosstab 交叉列表取值
      • pandas的cut,qcut函数的使用和区别
      • python中的lambda函数用法
      • pandas常用函数
      • value_counts()
    • matplotlib简介
      • matplotlib功能与使用方法大全
      • 一个正弦波图像优化实例
      • python使用matplotlib:subplot绘制多个子图
      • annotate(注解)的用法(Matplotlib)
    • 支持向量机(SVM,support vector machine)
      • 点到直线距离公式的几种推导
      • 支持向量机 SVM(非常详细)
    • graphviz
    • 集成学习(详解 bagging、boosting 以及他们的 4 点区别)
      • 特征工程
      • 超参数
    暂无相关搜索结果!

      让时间为你证明

      展开/收起文章目录

      分享,让知识传承更久远

      文章二维码

      手机扫一扫,轻松掌上读

      文档下载

      请下载您需要的格式的文档,随时随地,享受汲取知识的乐趣!
      PDF文档 EPUB文档 MOBI文档

      书签列表

        阅读记录

        阅读进度: 0.00% ( 0/0 ) 重置阅读进度

          思维导图备注