标签：机器 -- 模型 scikit html https learn org sklearn
一.scikit-learn概述
1.sklearn模型
sklearn全称是scikit-learn，它是一个基于Python的机器学习类库，主要建立在NumPy、Pandas、SciPy和Matplotlib等类库之上，基本上覆盖了常见了分类、回归、聚类、降维、模型选择和预处理模块。
2.sklearn源码
下图是sklearn在GitHub上的源代码，编程语言主要包括：91.4%的Python，6.5%的Cython，1.3%的C++和0.8%的Other。如下所示：
二.模型选择和预处理
1.模型选择
解析：网格搜索，交叉验证
2.预处理
解析：评估指标，数据预处理
三.有监督学习模型
可以将有监督模型分为生成式模型和判别式模型，常见的生成式模型包括朴素贝叶斯、HMM和隐含狄利克雷分配(LDA)，其它的基本都是判别式模型。
1.线性模型
解析：线性回归，对数几率回归，LASSO回归，Ridge回归，线性判别分析(LDA)
2.\({k}\)近邻
3.决策树
解析：ID3，C4.5，CART
4.神经网络
解析：感知机，神经网络
5.支持向量机
解析：线性可分，近似线性可分，线性不可分
6.集成模型
(1)Boosting
解析：AdaBoost，GBDT，XGBoost，LightGBM，CatBoost
(2)Bagging
解析：随机森林
四.无监督学习模型
1.聚类
解析：\(k\)均值聚类，层次聚类，谱聚类
2.降维
解析：主成分分析(PCA)，奇异值分解(SVD)
五.概率模型
1.最大信息熵模型
2.贝叶斯概率模型
解析：朴素贝叶斯，贝叶斯网络
3.期望最大化(EM)算法
4.概率图模型
解析：隐马尔科夫模型(HMM)，条件随机场(CRF)
5.马尔可夫链蒙特卡洛(MCMC)
参考文献：
[1]scikit-learn：https://scikit-learn.org/stable/
[2]scikit-learn(sklearn)官方文档中文版：https://sklearn.apachecn.org/#/?id=scikit-learn-sklearn-官方文档中文版
[3]scikit-learn安装：https://scikit-learn.org/stable/install.html
[4]scikit-learn用户指南：https://scikit-learn.org/stable/user_guide.html
[5]scikit-learn API参考：https://scikit-learn.org/stable/modules/classes.html
[6]scikit-learn例子：https://scikit-learn.org/stable/auto_examples/index.html
[7]scikit-learn博客：https://blog.scikit-learn.org/
[8]scikit-learn教程：https://scikit-learn.org/stable/tutorial/index.html
[9]scikit-learn FAQ：https://scikit-learn.org/stable/faq.html
[10]scikit-learn GitHub：https://github.com/scikit-learn/scikit-learn
[11]scikit-learn不同版本文档：https://scikit-learn.org/dev/versions.html
[12]scikit-learn wiki：https://github.com/scikit-learn/scikit-learn/wiki
[13]scikit-learn版本更新日志：https://scikit-learn.org/stable/whats_new/v1.1.html
[14]scikit-learn开发指南：https://scikit-learn.org/dev/developers/index.html
[15]scikit-learn相关类库：https://scikit-learn.org/stable/related_projects.html
[16]Hugging Face：https://huggingface.co/
[17]《机器学习：公式推导与代码实现》
标签：机器,--,模型,scikit,html,https,learn,org,sklearn 来源： https://www.cnblogs.com/shengshengwang/p/16545743.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。