scikit-learn sklearn 0.18 官方文档中文版

本人计算机小白一枚，将自己学到的知识点整理出来，一方面是对自己学习的小总结，另一方面是欢迎大家批评指正。如果觉得写得还可以，大家可以转发关注此博客，谢谢！后续会有新算法持续更新~.

______________________________________________________________________________________________________________________

转自博客：http://blog.csdn.net/chinachenyyx/article/details/75299043

ApacheCN cwiki 地址为 scikit-learn 0.18 中文文档 : http://cwiki.apachecn.org/pages/viewpage.action?pageId=10030181

sklearn :  基于 Python 语言的，简单高效的数据挖掘和数据分析工具，建立在 NumPy，SciPy 和 matplotlib 上。

此外，Apache Spark 2.2.0 官方文档中文版，开始采用 github 迭代维护的方式来更新，欢迎大家一起来迭代维护，地址为 https://github.com/apachecn/spark-doc-zh。

以下是 sklearn 官方文档中文版，如果你也有兴趣，请关注此博客。

scikit-learn 0.18 中文文档

• 快速入门
• 用户指南
  • 监督学习
    • Generalized Linear Models ( 广义线性模型 )
    • Linear and Quadratic Discriminant Analysis ( 线性和二次判别分析 )
    • Kernel ridge regression ( 内核岭回归 )
    • Support Vector Machines（支持向量机, SVM）
    • Stochastic Gradient Descent ( 随机梯度下降 )
    • Nearest Neighbors ( 最近邻 )
    • Gaussian Processes（高斯过程）
    • Cross decomposition（交叉分解）
    • Naive Bayes ( 朴素贝叶斯 )
    • Decision Trees（决策树）
    • Ensemble methods（集成方法）
    • 多类和多标签算法
    • 功能选择
    • 半监督
    • 等式回归
    • 概率校准
    • 神经网络模型（监督）
  • 无监督学习
    • 高斯混合模型
    • 流形学习
    • 聚类
    • 双聚类
    • 分解成分中的信号（矩阵分解问题）
    • 协方差估计
    • 新奇和异常检测
    • 密度估计
    • 神经网络模型（无监督）
  • 模型选择和评估
    • 交叉验证：评估估计器性能
    • 调整估计器的超参数
    • 模型评估：量化预测的质量
    • 模型持久化
    • 验证曲线：绘制分数以评估模型
  • 数据集转换
    • 管道和FeatureUnion：组合估计
    • 特征提取
    • 预处理数据
    • 无监督降维
    • 随机投影
    • 内核近似
    • 成对度量，亲和力和内核
    • 转换预测目标（y）
  • 数据集加载实用程序
  • 计算策略：更大的数据
  • 计算性能
• 教程
• API 文档
• 开发指南
• 流程图
• 相关包
• 常问问题
• 其他资源
• 其他版本

---

学习路线 : 机器学习基础 –> sklearn –> tensorflow

还有相关的好的教程或博客链接：

1.http://sklearn.apachecn.org/

2.http://www.jianshu.com/p/516f009c0875

3.http://v.youku.com/v_show/id_XMTUxODczMzY2OA==.html?spm=a2h0j.8191423.module_basic_relation.5~5!2~5~5!14~5~5~A