sklearn doc zh

scikit-learn (sklearn) เอกสารอย่างเป็นทางการเวอร์ชันภาษาจีน

sklearn 0.21.3 เอกสารภาษาจีน

sklearn 0.21.3 ตัวอย่างภาษาจีน

เว็บไซต์อย่างเป็นทางการของ sklearn English

---

แนะนำ

sklearn (scikit-learn) เป็นเครื่องมือการเรียนรู้ของเครื่องที่ใช้ภาษา Python

1. เครื่องมือขุดข้อมูลและวิเคราะห์ข้อมูลที่เรียบง่ายและมีประสิทธิภาพ
2. ทุกคนสามารถนำกลับมาใช้ซ้ำได้ในสภาพแวดล้อมที่หลากหลาย
3. สร้างขึ้นบน NumPy, SciPy และ matplotlib
4. โอเพ่นซอร์ส พร้อมใช้งานเชิงพาณิชย์ - ใบอนุญาต BSD

การสร้างองค์กร [เว็บไซต์]

• หน้า GitHub (ต่างประเทศ): https://sklearn.apachecn.org
• หน้า Gitee (ในประเทศ): https://apachecn.gitee.io/sklearn-doc-zh

ผู้ดูแลเว็บบุคคลที่สาม [เว็บไซต์]

• ที่อยู่ A: xxx (ยินดีต้อนรับสู่ฝากข้อความเราจะปรับปรุงให้ดีขึ้น)

อาหารเสริมอื่นๆ

• Github อย่างเป็นทางการ
• ที่อยู่ดาวน์โหลด EPUB
• กลุ่มงานแปลและพิสูจน์อักษร ApacheCN นอกเวลา 713436582

ดาวน์โหลด

นักเทียบท่า

 docker pull apachecn0/sklearn-doc-zh
docker run -tid -p :80 apachecn0/sklearn-doc-zh
# 访问 http://localhost:{port} 查看文档

พีพีไอ

 pip install sklearn-doc-zh
sklearn-doc-zh 
# 访问 http://localhost:{port} 查看文档

เอ็นพีเอ็ม

 npm install -g sklearn-doc-zh
sklearn-doc-zh 
# 访问 http://localhost:{port} 查看文档

สารบัญ

• ติดตั้ง scikit-learn
• คู่มือการใช้งาน
  • 1. การเรียนรู้แบบมีผู้สอน
    • 1.1 โมเดลเชิงเส้นทั่วไป
    • 1.2 การวิเคราะห์จำแนกเชิงเส้นและกำลังสอง
    • 1.3 การถดถอยเคอร์เนลริดจ์
    • 1.4 รองรับเครื่องเวกเตอร์
    • 1.5. โคตรลาดสุ่ม
    • 1.6. เพื่อนบ้านที่ใกล้ที่สุด
    • 1.7 กระบวนการเกาส์เซียน
    • 1.8. การสลายตัวข้าม
    • 1.9. ไร้เดียงสาเบย์
    • 1.10. แผนผังการตัดสินใจ
    • 1.11. แนวทางบูรณาการ
    • 1.12 อัลกอริธึมแบบหลายคลาสและหลายป้ายกำกับ
    • 1.13. การเลือกคุณสมบัติ
    • 1.14. การเรียนรู้แบบกึ่งมีผู้สอน
    • 1.15 การถดถอยสมการ
    • 1.16. การสอบเทียบความน่าจะเป็น
    • 1.17. โมเดลโครงข่ายประสาทเทียม (กำกับดูแล)
  • 2. การเรียนรู้แบบไม่มีผู้ดูแล
    • 2.1 แบบจำลองผสมแบบเกาส์เซียน
    • 2.2 การเรียนรู้ที่หลากหลาย
    • 2.3. การจัดกลุ่ม
    • 2.4. การรวมกลุ่ม
    • 2.5 การแยกสัญญาณออกเป็นส่วนประกอบ (ปัญหาการแยกตัวประกอบเมทริกซ์)
    • 2.6 การประมาณค่าความแปรปรวนร่วม
    • 2.7. การตรวจจับสิ่งแปลกใหม่และผิดปกติ
    • 2.8. การประมาณความหนาแน่น
    • 2.9. โมเดลโครงข่ายประสาทเทียม (ไม่ได้รับการดูแล)
  • 3. การเลือกแบบจำลองและการประเมินผล
    • 3.1 การตรวจสอบข้าม: การประเมินประสิทธิภาพของตัวประมาณค่า
    • 3.2. การปรับไฮเปอร์พารามิเตอร์ของตัวประมาณค่า
    • 3.3 การประเมินแบบจำลอง: การหาปริมาณคุณภาพของการคาดการณ์
    • 3.4 ความคงอยู่ของแบบจำลอง
    • 3.5. เส้นโค้งการตรวจสอบ: พล็อตคะแนนเพื่อประเมินแบบจำลอง
  • 4. การตรวจสอบ
    • 4.1 กราฟการพึ่งพาบางส่วน
  • 5. การแปลงชุดข้อมูล
    • 5.1 ไปป์ไลน์และฟีเจอร์ยูเนี่ยน: ผู้ประเมินแบบรวม
    • 5.2. การดึงข้อมูลคุณลักษณะ
    • 5.3 การประมวลผลข้อมูลล่วงหน้า
    • 5.4 การใส่ค่าที่ขาดหายไป
    • 5.5 การลดขนาดโดยไม่ได้รับการดูแล
    • 5.6. การฉายภาพแบบสุ่ม
    • 5.7 การประมาณเคอร์เนล
    • 5.8 คู่เมทริกซ์ หมวดหมู่ และฟังก์ชันเคอร์เนล
    • 5.9. การแปลงเป้าหมายการทำนาย ( y )
  • 6. เครื่องมือในการโหลดชุดข้อมูล
    • 6.1. API ชุดข้อมูลทั่วไป
    • 6.2 ชุดข้อมูลของเล่น
    • 6.3 ชุดข้อมูลในโลกแห่งความเป็นจริง
    • 6.4 เครื่องกำเนิดตัวอย่าง
    • 6.5 กำลังโหลดชุดข้อมูลอื่นๆ
  • 7. คำนวณโดยใช้ scikit-learn
    • 7.1. กลยุทธ์สำหรับการประมวลผลขนาดใหญ่: ข้อมูลจำนวนมากขึ้น
    • 7.2. ประสิทธิภาพการคำนวณ
    • 7.3 ความเท่าเทียม การจัดการทรัพยากร และการกำหนดค่า
• บทช่วยสอน
  • การเรียนรู้ของเครื่องเบื้องต้นโดยใช้ scikit-learn
  • บทช่วยสอนการเรียนรู้ทางสถิติเกี่ยวกับการประมวลผลข้อมูลทางวิทยาศาสตร์
    • การเรียนรู้ของเครื่อง: การตั้งค่าและออบเจ็กต์การทำนายใน scikit-learn
    • การเรียนรู้แบบมีผู้สอน: การทำนายตัวแปรเอาท์พุตจากการสังเกตมิติสูง
    • การเลือกแบบจำลอง: การเลือกตัวประมาณค่าและพารามิเตอร์
    • การเรียนรู้แบบไม่มีผู้ดูแล: การค้นหาการนำเสนอข้อมูล
    • รวบรวมไว้ด้วยกัน
    • ขอความช่วยเหลือ
  • ประมวลผลข้อมูลข้อความ
  • เลือกตัวประมาณค่าที่เหมาะสม (estimator.md)
  • แหล่งข้อมูล วิดีโอ และการเสวนาภายนอก
• การอ้างอิง API
• คำถามที่พบบ่อย
• แกนเวลา

เวอร์ชันประวัติศาสตร์

• scikit-learn (sklearn) 0.19 เอกสารทางการ ฉบับภาษาจีน
• scikit-learn (sklearn) 0.18 เอกสารอย่างเป็นทางการฉบับภาษาจีน

วิธีรวบรวมและใช้เวอร์ชันในอดีต:

• แตกไฟล์โฟลเดอร์ 0.19.x.zip
• คัดลอกทรัพยากรรูปภาพของ master/img ไปที่ 0.19.x
• สำหรับกระบวนการคอมไพล์ปกติของ gitbook คุณสามารถใช้ sh run_website.sh

คู่มือการบริจาค

เพื่อที่จะปรับปรุงคุณภาพการแปลอย่างต่อเนื่อง เราได้เปิดตัว [การแปล การพิสูจน์อักษร และการจดบันทึก] และเปิดโครงการพิสูจน์อักษรหลายโครงการ ผู้ร่วมให้ข้อมูลจะได้รับรางวัล 2 ถึง 4 หยวนต่อพันคำหลังจากอ่านบทแล้ว สำหรับกิจกรรมการพิสูจน์อักษรที่กำลังดำเนินอยู่ โปรดดูรายการกิจกรรม สำหรับรายละเอียดเพิ่มเติม โปรดติดต่อ Feilong (Q562826179, V: Wizardforcel)

DOCX: ความคิดริเริ่มสำหรับการแบ่งปันบันทึกการวิจัยอย่างเปิดเผย

เราตอบสนองอย่างแข็งขันต่อ Open Source Initiative for Research (DOCX) ปัจจุบันโอเพ่นซอร์สไม่ได้เป็นเพียงโอเพ่นซอร์สเท่านั้น แต่ยังรวมถึงชุดข้อมูล แบบจำลอง บทช่วยสอน และบันทึกการทดลองด้วย เรายังสำรวจโซลูชันและโปรโตคอลโอเพ่นซอร์สประเภทอื่นๆ ด้วย

ฉันหวังว่าทุกคนจะเข้าใจความคิดริเริ่มนี้ ผสมผสานกับความสนใจของคุณเอง และทำอะไรบางอย่างตามความสามารถของคุณ การมีส่วนร่วมเล็กๆ น้อยๆ ของทุกคนเมื่อรวมตัวกันคือระบบนิเวศโอเพ่นซอร์สทั้งหมด

หัวหน้าโครงการ

รูปแบบ: GitHub + QQ

ฉบับแรก (2017-09-29)

• @นายโมยิ้ม
• @ช่วงเวลา
• @ เล็ก瑶

ฉบับที่สอง (2019-06-29)

• @N!no：1352899627
• @mahaoyang：992635910
• @loopyme: 3322728009
• เฟยหลง: 562826179
• ช่วงเวลา: 529815144

-- ข้อกำหนดจากบุคคลที่รับผิดชอบ: (ยินดีต้อนรับสู่การมีส่วนร่วมกับ sklearn 中文版本)

• รักโอเพ่นซอร์สและชอบอวด
• ใช้ sklearn เป็นเวลานาน (อย่างน้อย 0.5 ปี) + ส่ง Pull Requests>=3
• สามารถมีเวลาปรับปรุงข้อบกพร่องของหน้าและปัญหาของผู้ใช้ได้ทันท่วงที
• ระยะเวลาทดลองใช้งาน: 2 เดือน
• ยินดีต้อนรับที่จะติดต่อ: 529815144

ผู้ร่วมให้ข้อมูล

【0.19.X】รายชื่อผู้สนับสนุน

ข้อเสนอแนะและข้อเสนอแนะ

• ยื่นปัญหาบน apachecn/pytorch-doc-zh github ของเรา
• ส่งอีเมล์ไปที่ Email: [email protected]
• เพียงติดต่อเจ้าของกลุ่ม/ผู้ดูแลระบบในกลุ่ม QQ ของเรา - ค้นหา: วิธีการสื่อสาร

ข้อตกลงโครงการ

• เมื่อเร็วๆ นี้ มีผู้คนจำนวนมากติดต่อเราเกี่ยวกับปัญหาลิขสิทธิ์เนื้อหา!
• โอเพ่นซอร์สหมายความว่าความรู้ควรมุ่งเน้นไปที่การเผยแพร่และการทำซ้ำ (แทนที่จะห้ามไม่ให้ผู้อื่นพิมพ์ซ้ำ)
• มิฉะนั้น หากคุณเปิดแหล่งที่มาบน GitHub แล้วบอกว่าคุณไม่ได้รับอนุญาตให้พิมพ์ซ้ำ คุณจะต้องป่วยแน่!
• ห้ามจำหน่ายในเชิงพาณิชย์ ปฏิบัติตามข้อกำหนดของโปรโตคอล และโปรดทราบที่มาของที่อยู่ ประเด็นสำคัญ: ไม่จำเป็นต้อง ส่งอีเมลถึงเราเพื่อสมัคร
• โครงการที่ไม่มีข้อตกลงภายใต้บัญชี ApacheCN จะถือเป็น CC BY-NC-SA 4.0

เคล็ดลับดีๆ:

• สำหรับผู้ที่ต้องการทำสำเนาและอัพเดตด้วยตนเอง
• ฉันเองก็มีประสบการณ์นี้เช่นกัน แต่ความหลงใหลนี้ไม่สามารถคงอยู่ได้สองสามเดือนก่อนที่ฉันจะท้อแท้!
• ไม่เพียงแต่การทำงานหนักของคุณสูญเปล่า แต่ยังสูญเปล่าอีกด้วยที่ผู้คนจะเห็นผลลัพธ์การแปลของคุณมากขึ้น! มันน่าเสียดาย! คุณคิดอย่างไร?
• คำแนะนำส่วนตัวของฉันคือ: fork -> ดึงคำขอไปที่ https://github.com/apachecn/sklearn-doc-zh
• เหตุใดจึงเลือก ApacheCN ?
• เพราะเวลาแปลเรารู้สึกมีความสุขและเสแสร้งซึ่งค่อนข้างบริสุทธิ์!
• หากคุณชอบ คุณสามารถเข้าร่วม/รับผิดชอบโครงการนี้ได้โดยไม่มีข้อจำกัดด้านวุฒิการศึกษาหรือภูมิหลัง

สนับสนุนเรา