scikit-learn(sklearn) 공식 문서 중국어 버전
| sklearn 0.21.3 중국어 문서 | sklearn 0.21.3 중국어 예 | sklearn English 공식 홈페이지 |
소개하다
sklearn(scikit-learn)은 Python 언어 기반의 기계 학습 도구입니다.
- 간단하고 효율적인 데이터 마이닝 및 데이터 분석 도구
- 다양한 환경에서 누구나 재사용 가능
- NumPy, SciPy 및 matplotlib를 기반으로 구축
- 오픈 소스, 상업적 사용 가능 - BSD 라이센스
조직구성 [홈페이지]
- GitHub 페이지(외국): https://sklearn.apachecn.org
- Gitee 페이지(국내): https://apachecn.gitee.io/sklearn-doc-zh
제3자 웹마스터 [웹사이트]
- 주소 A: xxx(메시지를 남겨주시면 개선하겠습니다)
기타 보충제
- 공식 Github
- EPUB 다운로드 주소
- ApacheCN 번역 및 교정 아르바이트 그룹 713436582
다운로드
도커
docker pull apachecn0/sklearn-doc-zh
docker run -tid -p :80 apachecn0/sklearn-doc-zh
# 访问 http://localhost:{port} 查看文档
피피
pip install sklearn-doc-zh
sklearn-doc-zh
# 访问 http://localhost:{port} 查看文档
NPM
npm install -g sklearn-doc-zh
sklearn-doc-zh
# 访问 http://localhost:{port} 查看文档
목차
- scikit-learn 설치
- 사용자 가이드
- 1. 지도 학습
- 1.1. 일반화된 선형 모델
- 1.2. 선형 및 2차 판별 분석
- 1.3. 커널 능선 회귀
- 1.4. 서포트 벡터 머신
- 1.5. 확률적 경사하강법
- 1.6.가장 가까운 이웃
- 1.7. 가우스 과정
- 1.8. 교차 분해
- 1.9. 나이브 베이즈
- 1.10. 의사결정 트리
- 1.11. 통합적 접근
- 1.12. 다중 클래스 및 다중 라벨 알고리즘
- 1.13. 기능 선택
- 1.14. 준지도 학습
- 1.15. 방정식 회귀
- 1.16. 확률적 교정
- 1.17. 신경망 모델(감독됨)
- 2. 비지도 학습
- 2.1. 가우스 혼합 모델
- 2.2.다양한 학습
- 2.3. 클러스터링
- 2.4. 바이클러스터링
- 2.5. 신호를 성분으로 분해(행렬 분해 문제)
- 2.6. 공분산 추정
- 2.7. 참신함과 이상치 탐지
- 2.8. 밀도 추정
- 2.9. 신경망 모델(비지도)
- 3. 모델 선정 및 평가
- 3.1. 교차 검증: 추정기 성능 평가
- 3.2 추정기의 하이퍼파라미터 조정
- 3.3. 모델 평가: 예측 품질 정량화
- 3.4. 모델 지속성
- 3.5. 검증 곡선: 모델 평가를 위한 점수 표시
- 4. 검사
- 5. 데이터세트 변환
- 5.1. 파이프라인과 FeatureUnion: 결합된 평가자
- 5.2. 특징 추출
- 5.3 데이터 전처리
- 5.4 결측값 대치
- 5.5. 비지도 차원 축소
- 5.6. 무작위 투영
- 5.7. 커널 근사
- 5.8. 행렬, 범주 및 커널 함수 쌍
- 5.9. 예측 타겟(
y )의 변환
- 6. 데이터세트 로딩 도구
- 6.1. 공통 데이터세트 API
- 6.2. 장난감 데이터세트
- 6.3 실제 데이터 세트
- 6.4. 샘플 생성기
- 6.5. 다른 데이터세트 로드
- 7. scikit-learn을 사용하여 계산
- 7.1 대규모 컴퓨팅 전략: 더 많은 양의 데이터
- 7.2. 계산 성능
- 7.3. 병렬성, 자원 관리 및 구성
- 지도 시간
- scikit-learn을 사용한 머신러닝 소개
- 과학적 데이터 처리에 대한 통계 학습 튜토리얼
- 기계 학습: scikit-learn의 설정 및 예측 개체
- 지도 학습: 고차원 관찰로부터 출력 변수 예측
- 모델 선택: 추정량 및 해당 매개변수 선택
- 비지도 학습: 데이터 표현 검색
- 그것들을 하나로 합치다
- 도움을 요청하세요
- 텍스트 데이터 처리
- 올바른 추정기 선택(estimator.md)
- 외부 리소스, 비디오 및 강연
- API 참조
- FAQ
- 시간축
역사적인 버전
- scikit-learn(sklearn) 0.19 공식 문서 중국어 버전
- scikit-learn(sklearn) 0.18 공식 문서 중국어 버전
기록 버전을 컴파일하고 사용하는 방법:
-
0.19.x.zip 폴더의 압축을 푼다 -
master/img 의 이미지 리소스를 0.19.x 로 복사합니다. - gitbook의 일반적인 컴파일 프로세스에서는
sh run_website.sh 사용할 수 있습니다.
기여 가이드
번역의 품질을 지속적으로 향상시키기 위해 [번역, 교정, 필기 활동]을 시작하고 여러 교정 프로젝트를 열었습니다. 기여자는 한 장을 교정한 후 1,000단어당 2~4위안의 보상을 받을 수 있습니다. 진행 중인 교정 활동은 활동 목록을 참조하세요. 자세한 내용은 Feilong(Q562826179, V: Wizardforcel)에게 문의하세요.
DOCX: 연구 기록 공개 공유 이니셔티브
우리는 DOCX(Open Source Initiative for Research)에 적극적으로 대응합니다. 오늘날 오픈 소스는 단순한 오픈 소스가 아니라 데이터 세트, 모델, 튜토리얼 및 실험 기록도 포함합니다. 우리는 또한 오픈 소스 솔루션과 프로토콜의 다른 범주도 탐색하고 있습니다.
모두가 이 계획을 이해하고 이를 자신의 이익과 결합하여 자신의 능력 내에서 무언가를 하기를 바랍니다. 모두의 작은 기여가 모여서 전체 오픈 소스 생태계가 됩니다.
프로젝트 리더
형식: GitHub + QQ
창간호(2017-09-29)
2호 (2019-06-29)
- @N!no：1352899627
- @mahaoyang：992635910
- @loopyme: 3322728009
- 페이롱: 562826179
- 순간: 529815144
-- 담당자의 요구 사항: ( sklearn 中文版本에 기여하신 것을 환영합니다)
- 오픈 소스를 사랑하고 자랑하기를 좋아합니다.
- 장기간(최소 0.5년) sklearn 사용 + Pull Request 제출>=3
- 적시에 페이지 버그 및 사용자 문제를 최적화할 시간을 가질 수 있습니다.
- 평가판 기간: 2개월
- 연락을 환영합니다: 529815144
기부자
【0.19.X】기고자 목록
제안 및 피드백
- apachecn/pytorch-doc-zh github에 문제를 제출하세요.
- 이메일:
[email protected] 으로 이메일을 보내세요. - QQ 그룹 검색: 통신 방법을 통해 그룹 소유자/관리자에게 문의하세요.
프로젝트 계약
- 최근 많은 분들이 콘텐츠 라이선스 문제로 문의해 주셨습니다!
- 오픈 소스는 지식이 전파 및 반복에 초점을 맞춰야 함을 의미합니다(다른 사람이 재인쇄하는 것을 금지하는 것이 아니라).
- 그렇지 않고 GitHub에서 소스를 오픈한 다음 이를 재인쇄할 수 없다고 말하면 몸이 아프실 것입니다!
- 상업화는 금지되어 있으며 프로토콜 사양을 준수하고 주소 출처를 적어주세요. 신청을 위해 이메일을 보낼 필요가 없습니다 .
- ApacheCN 계정에 따른 합의가 없는 프로젝트는 CC BY-NC-SA 4.0으로 간주됩니다.
친절한 팁:
- 직접 복사해서 업데이트하고 싶으신 분들을 위해
- 저도 이런 경험이 있었는데, 이 열정이 몇 달을 못가서 낙담하게 되었어요!
- 당신의 노고가 헛된 것일 뿐만 아니라, 더 많은 사람들이 당신의 번역 결과를 보게 되는 것도 헛된 것입니다! 안타깝네요! 어떻게 생각하나요?
- 내 개인적인 제안은 다음과 같습니다: 포크 ->
https://github.com/apachecn/sklearn-doc-zh 에 대한 풀 요청 - 그렇다면
ApacheCN 선택하는 이유는 무엇입니까? - 왜냐하면 우리가 번역을 할 때 우리는 행복하고 허세를 느끼기 때문에 상대적으로 순수한 것입니다!
- 마음에 든다면 학력이나 배경에 제한 없이 이 프로젝트에 참여하거나 책임을 질 수도 있습니다.
우리를 후원하세요
