scikit-learn 教程

• 使用 scikit-learn 介绍机器学习
  • 机器学习：问题设置
  • 加载示例数据集
  • 学习和预测
  • 模型持久化
  • 规定
• 关于科学数据处理的统计学习教程
  • 机器学习: scikit-learn 中的设置以及预估对象
    • 数据集
    • 预估对象
  • 监督学习：从高维观察预测输出变量
    • 最近邻和维度惩罚
    • 线性模型：从回归到稀疏
    • 支持向量机(SVMs)
  • 模型选择：选择估计量及其参数
    • 分数和交叉验证分数
    • 交叉验证生成器
    • 网格搜索和交叉验证估计量
  • 无监督学习: 寻求数据表示
    • 聚类: 对样本数据进行分组
    • 分解: 将一个信号转换成多个成份并且加载
  • 把它们放在一起
    • 模型管道化
    • 用特征面进行人脸识别
    • 开放性问题: 股票市场结构
  • 寻求帮助
    • 项目邮件列表
    • 机器学习从业者的 Q&A 社区
• 处理文本数据
  • 教程设置
  • 加载这 20 个新闻组的数据集
  • 从文本文件中提取特征
  • 训练分类器
  • 构建-pipeline（管道）
  • 在测试集上的性能评估
  • 使用网格搜索进行调参
  • 练习
  • 快速链接
• 选择正确的评估器(estimator.md)