Warning: file_get_contents(/var/www/html/ad/index.json): Failed to open stream: No such file or directory in /var/www/html/assist_functions.php on line 203

Warning: Trying to access array offset on value of type null in /var/www/html/assist_functions.php on line 205

Warning: file_get_contents(/var/www/html/ad/index.json): Failed to open stream: No such file or directory in /var/www/html/assist_functions.php on line 219

Warning: Trying to access array offset on value of type null in /var/www/html/assist_functions.php on line 221
scikit-learn技术文档

多类分类器性能比较

本网页展示了使用不同分类器对三类数据集进行分类的性能比较,包括支持向量机、L1和L2惩罚的逻辑回归、以及高斯过程分类器。

多项式核近似与线性分类器训练

本文介绍了如何使用PolynomialCountSketch高效生成多项式核特征空间近似,以训练近似核化分类器的线性分类器,并在Covtype数据集上进行实验。

多维缩放分析示例

本页面展示了如何使用Python和scikit-learn库进行多维缩放分析(MDS)和非度量多维缩放(NMDS)的示例。

数据预处理:列选择器的使用

本文介绍了如何使用sklearn库中的ColumnTransformer和make_column_selector函数来选择数据集中的特定列进行预处理。

计算点与点集之间的最小距离

本文介绍了如何使用一种高效的方法来计算一个点与一组点之间的最小距离。

DBSCAN聚类算法提取

本页面介绍了DBSCAN聚类算法的实现和应用,包括算法原理、参数设置和代码示例。

线性模型与网格搜索

本文介绍了如何使用GridSearchCV进行线性模型的参数优化,并通过matplotlib进行结果可视化。

K近邻算法与数据缓存优化

本文介绍了如何使用K近邻算法进行数据预处理,并利用缓存技术提高模型训练效率。

高斯混合模型密度估计

本页面展示了如何使用Python和scikit-learn库来生成并可视化两个不同中心和协方差矩阵的高斯分布混合的密度估计。

构建机器学习流水线

本文介绍了如何使用scikit-learn库中的make_pipeline函数来构建一个包含多个步骤的机器学习流水线。

D²回归评分函数

本页介绍了D²回归评分函数,这是一种用于评估回归模型性能的度量方法。它通过比较模型预测值和实际值来计算分数,最佳得分为1.0,可能为负值。

半监督学习算法介绍

本文介绍了半监督学习算法在sklearn库中的实现,包括自我训练算法和标签传播算法的原理和应用。

岭回归分析

本网页介绍了岭回归的概念、原理、参数设置以及如何在Python中使用sklearn库进行岭回归分析。

基于局部异常因子的异常检测

本文介绍了一种基于局部异常因子(LOF)的无监督异常检测方法,该方法通过计算给定数据点与其邻居的局部密度偏差来识别异常值。

决策树回归模型

本文介绍了决策树回归模型在预测带有噪声的圆圈数据中的应用,并通过Python代码展示了不同最大深度参数对模型性能的影响。

决策树剪枝与成本复杂性参数

本文介绍了如何使用成本复杂性参数来控制决策树的剪枝,并通过实验展示了不同参数值对模型性能的影响。

特征聚合示例

本页面展示了如何使用特征聚合技术将相似的特征合并在一起,并通过Python代码和图表进行演示。

数据可视化API使用指南

本网页介绍了如何使用数据可视化API进行快速绘图和视觉调整,无需重新计算。

机器学习中的决策边界可视化

本文介绍了如何使用Python和机器学习库sklearn来可视化决策边界,特别是针对Iris数据集的多类SGD分类器。

解释方差回归评分函数

本文介绍了解释方差回归评分函数,这是一种用于评估预测模型性能的指标。

鸢尾花数据集的PCA与LDA分析

本文介绍了如何使用PCA和LDA对鸢尾花数据集进行分析,包括数据的预处理、模型的建立和结果的可视化。

决策树规则报告生成器

本网页提供了一个工具,用于生成决策树的规则文本报告。用户可以通过输入决策树模型和特征名称,生成易于阅读的决策树规则文本。

k-means聚类算法的假设条件演示

本文通过生成不同类型的数据集来展示k-means聚类算法在不同情况下的表现,包括非最优聚类数量、各向异性分布、不等方差和大小不一的聚类。

平衡准确率计算方法

本文介绍了平衡准确率的概念,它用于处理二分类和多类分类问题中的数据不平衡问题,定义为每个类别召回率的平均值。

多标签数据集可视化

本页面展示了如何使用Python和matplotlib库来生成并可视化一个随机的多标签数据集。

ROC AUC 分析方法

本文介绍了如何计算接收者操作特征曲线下面积(ROC AUC)的方法,包括二进制、多类和多标签分类的应用场景。

单类SVM算法介绍

本文介绍了单类SVM算法,这是一种无监督学习算法,用于新颖性检测,能够将新数据分类为与训练集相似或不同。

半径邻居图计算

本文介绍了如何使用半径邻居图来计算数据点的邻居关系,并提供了详细的参数说明和代码示例。

受限玻尔兹曼机特征提取与数字分类

本文介绍了如何使用受限玻尔兹曼机(RBM)进行特征提取,并结合逻辑回归对数字进行分类。

沪ICP备2024098111号-1
上海秋旦网络科技中心:上海市奉贤区金大公路8218号1幢 联系电话:15216758379