Introduction

scikit-learn (sklearn) 官方文档中文版

• 简单高效的数据挖掘和数据分析工具
• 可供大家在各种环境中重复使用
• 建立在 NumPy ，SciPy 和 matplotlib 上
• 开源，可商业使用 - BSD许可证

• 在线阅读

目录

• 用户指南
  • 1. 监督学习
    • 1.2. 线性和二次判别分析
    • 1.4. 支持向量机
    • 1.6. 最近邻
    • 1.8. 交叉分解
    • 1.10. 决策树
    • 1.12. 多类和多标签算法
    • 1.14. 半监督学习
    • 1.17. 神经网络模型（有监督）
  • • 2.1. 高斯混合模型
    • 2.3. 聚类
    • 2.5. 分解成分中的信号（矩阵分解问题）
    • 2.7. 新奇和异常值检测
    • 2.9. 神经网络模型（无监督）
  • • 3.1. 交叉验证：评估估算器的表现
    • 3.3. 模型评估: 量化预测的质量
    • 3.5. 验证曲线: 绘制分数以评估模型
  • • 4.1. 部分依赖图
  • • 5.1. Pipeline（管道）和 FeatureUnion（特征联合）: 合并的评估器
    • 5.3 预处理数据
    • 5.5. 无监督降维
    • 5.7. 内核近似
    • 5.9. 预测目标 () 的转换
  • • 6.1. 通用数据集 API
    • 6.4. 样本生成器
  • 7. 使用scikit-learn计算
    • 7.2. 计算性能
• 教程
  • 关于科学数据处理的统计学习教程
    • 监督学习：从高维观察预测输出变量
    • 无监督学习: 寻求数据表示
    • 寻求帮助
  • 选择正确的评估器(estimator.md)
• API 参考
• 时光轴

项目当前处于校对阶段，请查看，并在整体进度中领取任务。

项目负责人

格式: GitHub + QQ

• @loopyme：3322728009
• ：562826179
• 片刻：529815144

• 热爱开源，喜欢装逼
• 长期使用 sklearn(至少0.5年) + 提交Pull Requests>=3
• 能够有时间及时优化页面 bug 和用户 issues
• 试用期: 2个月
• 欢迎联系: 529815144

以各项目协议为准。

建议反馈

• 在我们的 github 上提 issue.
• 发邮件到 Email: .