scikit-learn (sklearn) 公式ドキュメント中国語版
| sklearn 0.21.3 中国語ドキュメント | sklearn 0.21.3 中国語の例 | sklearn英語公式サイト |
導入
sklearn (scikit-learn) は、Python 言語に基づいた機械学習ツールです
- シンプルで効率的なデータマイニングおよびデータ分析ツール
- 誰もがさまざまな環境で再利用できる
- NumPy、SciPy、matplotlib 上に構築
- オープンソース、商用利用可能 - BSD ライセンス
組織づくり【Webサイト】
- GitHub ページ (海外): https://sklearn.apachecn.org
- Gitee ページ (国内): https://apachecn.gitee.io/sklearn-doc-zh
サードパーティのウェブマスター [ウェブサイト]
- アドレス A: xxx (メッセージを残すことを歓迎します。改善します)
その他のサプリメント
- 公式Github
- EPUBダウンロードアドレス
- ApacheCN 翻訳・校正パートタイムグループ 713436582
ダウンロード
ドッカー
docker pull apachecn0/sklearn-doc-zh
docker run -tid -p :80 apachecn0/sklearn-doc-zh
# 访问 http://localhost:{port} 查看文档
ピピ
pip install sklearn-doc-zh
sklearn-doc-zh
# 访问 http://localhost:{port} 查看文档
故宮
npm install -g sklearn-doc-zh
sklearn-doc-zh
# 访问 http://localhost:{port} 查看文档
目次
- scikit-learn をインストールする
- ユーザーガイド
- 1.教師あり学習
- 1.1. 一般化された線形モデル
- 1.2. 線形判別分析と二次判別分析
- 1.3. カーネルリッジ回帰
- 1.4. サポートベクターマシン
- 1.5. 確率的勾配降下法
- 1.6. 最近傍
- 1.7. ガウス過程
- 1.8. 交差分解
- 1.9. ナイーブベイズ
- 1.10. デシジョンツリー
- 1.11. 統合されたアプローチ
- 1.12. マルチクラスおよびマルチラベルのアルゴリズム
- 1.13. 機能の選択
- 1.14. 半教師あり学習
- 1.15. 方程式回帰
- 1.16. 確率的キャリブレーション
- 1.17. ニューラルネットワークモデル（教師あり）
- 2.教師なし学習
- 2.1. 混合ガウスモデル
- 2.2. 多様体の学習
- 2.3. クラスタリング
- 2.4. バイクラスタリング
- 2.5. 信号を成分に分解する (行列分解問題)
- 2.6. 共分散の推定
- 2.7. 新規性と異常値の検出
- 2.8. 密度の推定
- 2.9. ニューラルネットワークモデル（教師なし）
- 3. モデルの選択と評価
- 3.1. 相互検証: 推定器のパフォーマンスの評価
- 3.2. エスティメーターのハイパーパラメーターの調整
- 3.3. モデルの評価: 予測の品質の定量化
- 3.4. モデルの永続性
- 3.5. 検証曲線: モデルを評価するためのスコアをプロットする
- 4. 検査
- 5. データセットの変換
- 5.1. パイプラインとフィーチャーユニオン: 結合された評価器
- 5.2. 特徴抽出
- 5.3 データの前処理
- 5.4 欠損値の代入
- 5.5. 教師なし次元削減
- 5.6. ランダム投影
- 5.7. カーネル近似
- 5.8. 行列、カテゴリ、およびカーネル関数のペア
- 5.9. 予測対象(
y )の変換
- 6. データセット読み込みツール
- 6.1. 共通データセット API
- 6.2. おもちゃのデータセット
- 6.3 現実世界のデータセット
- 6.4. サンプルジェネレーター
- 6.5. 他のデータセットのロード
- 7. scikit-learn を使用して計算する
- 7.1. 大規模コンピューティングの戦略: 大量のデータ
- 7.2. 計算パフォーマンス
- 7.3. 並列処理、リソース管理および構成
- チュートリアル
- scikit-learn を使用した機械学習の概要
- 科学データ処理に関する統計学習チュートリアル
- 機械学習: scikit-learn の設定と予測オブジェクト
- 教師あり学習: 高次元の観測から出力変数を予測する
- モデルの選択: 推定器とそのパラメータの選択
- 教師なし学習: データ表現の探索
- それらを一緒にします
- 助けを求める
- テキストデータを処理する
- 適切な推定器 (estimator.md) を選択します。
- 外部リソース、ビデオ、講演
- APIリファレンス
- よくある質問
- 時間軸
歴史的バージョン
- scikit-learn (sklearn) 0.19 公式ドキュメント 中国語版
- scikit-learn (sklearn) 0.18 公式ドキュメント 中国語版
履歴バージョンをコンパイルして使用する方法:
-
0.19.x.zipフォルダーを解凍します。 -
master/imgの画像リソースを0.19.xにコピー - gitbook の通常のコンパイル プロセスには、
sh run_website.sh使用できます。
貢献ガイド
翻訳の品質を継続的に向上させるため、[翻訳・校正・メモ取り活動]を立ち上げ、複数の校正プロジェクトを立ち上げました。投稿者は、章を校正した後、1,000 語あたり 2 ～ 4 元の報酬を受け取ることができます。継続的な校正活動については、活動リストをご覧ください。詳細については、飛龍（Q562826179、V:ウィザードフォースル）までお問い合わせください。
DOCX: 研究記録のオープン共有のためのイニシアチブ
私たちは Open Source Initiative for Research (DOCX) に積極的に対応します。現在、オープンソースは単なるオープンソースではなく、データセット、モデル、チュートリアル、実験記録も含まれます。また、他のカテゴリのオープンソース ソリューションやプロトコルも検討しています。
皆様もこの取り組みをご理解いただき、ご自身の興味と組み合わせて、できる範囲で何か取り組んでいただければ幸いです。みんなの小さな貢献が集まると、オープンソース エコシステム全体になります。
プロジェクトリーダー
形式: GitHub + QQ
創刊号 (2017-09-29)
第2号(2019-06-29)
- @N!no：1352899627
- @マハオヤン：992635910
- @loopyme: 3322728009
- 飛龍: 562826179
- 瞬間: 529815144
-- 担当者からの要件: ( sklearn 中文版本への貢献を歓迎します)
- オープンソースが大好きで自慢するのが好き
- sklearn を長期間 (少なくとも 0.5 年) 使用し、プル リクエストを 3 回以上送信する
- ページのバグやユーザーの問題をタイムリーに最適化する時間を確保できる
- 試用期間：2ヶ月
- お問い合わせへようこそ: 529815144
投稿者
【0.19.X】貢献者リスト
提案とフィードバック
- apachecn/pytorch-doc-zh github で問題を報告してください。
- 電子メールを電子メール:
[email protected]に送信します。 - QQ グループの検索: 通信方法でグループの所有者/管理者に連絡してください。
プロジェクト契約書
- 最近、多くの人からコンテンツのライセンスの問題について問い合わせが来ています。
- オープンソースとは、知識が（他者による転載を禁止するのではなく）普及と反復に焦点を当てるべきであることを意味します。
- そうでなければ、GitHub でオープンソースにして、それを転載することは許可されていないと言ったら、あなたは病気に違いありません。
- 商業化は禁止されており、プロトコルの仕様を遵守し、アドレスの出所を明記してください。要点: 申請の際にメールを送信する必要はありません。
- ApacheCN アカウントに基づく契約のないプロジェクトは CC BY-NC-SA 4.0 とみなされます。
親切なヒント:
- 自分でコピーして更新したい方へ
- 私もこの経験がありましたが、この情熱は数カ月も続かず、挫折してしまいました。
- あなたの努力が無駄になるだけでなく、翻訳結果をより多くの人に見てもらうことも無駄になります。それは残念だ！どう思いますか？
- 私の個人的な提案は次のとおりです: フォーク ->
https://github.com/apachecn/sklearn-doc-zhへのプルリクエスト - では、なぜ
ApacheCN選択するのでしょうか? - 翻訳をしているとき、私たちは幸せで気取った気分になるので、それは比較的純粋です。
- 気に入れば学歴や経歴に制限なく、このプロジェクトに参加・担当することも可能です。
スポンサーしてください
