sklearn学习指南
机器学习是近年来渐趋热门的一个领域，同时Python 语言经过一段时间的发展也已逐渐成为主流的编程语言之一。本书结合了机器学习和Python 语言两个热门的领域，通过利用两种核心的机器学习算法来将Python 语言在数据分析方面的优势发挥到极致。 全书共有10 章。第1 章讲解了Python 机器学习的生态系统，剩余9 章介绍了众多与机器学习相关的算法，包括各类分类算法、数据可视化技术、推荐引擎等，主要包括机器学习在公寓、机票、IPO 市场、新闻源、内容推广、股票市场、图像、聊天机器人和推荐引擎等方面的应用。 本书适合Python 程序员、数据分析人员、对算法感兴趣的读者、机器学习领域的从
文件列表
sklearn.zip
(预估有个51文件)
sklearn
3.2.4.1.4. sklearn.linear_model.LassoLarsCV — scikit-learn 0.19.pdf
196KB
3.2.4.1.5. sklearn.linear_model.LogisticRegressionCV — scikit-learn 0.19.pdf
188KB
2.5. Decomposing signals in components (matrix factorization problems) — scikit-learn 0.19.pdf
1.06MB
3.2. Tuning the hyper-parameters of an estimator — scikit-learn 0.19.pdf
188KB
3.2.4.3.3. sklearn.ensemble.ExtraTreesClassifier — scikit-learn 0.19.pdf
443KB
1.2. Linear and Quadratic Discriminant Analysis — scikit-learn 0.19.pdf
340KB
2.1. Gaussian mixture models — scikit-learn 0.19.pdf
778KB
2.9. Neural network models (unsupervised) — scikit-learn 0.19.pdf
175KB
1.10. Decision Trees — scikit-learn 0.19.pdf
482KB
暂无评论