摘要:
Support Vector Machines https://scikit-learn.org/stable/modules/svm.html# 支持向量是监督学习方法的集合, 可以用于 分类 回归 和 异常检测。 优点: 在高维空间非常有效 仍然有效,当样本数目小于特征维度数目 不同于KNN, 阅读全文
摘要:
Decision Trees https://scikit-learn.org/stable/modules/tree.html 决策树是一种非参数的监督性学习算法, 其跟KNN类似,不依赖参数性模型。 可以用于分类和回归。 从特征中学习出决策规则。 Decision Trees (DTs) are 阅读全文
摘要:
Feature selection https://scikit-learn.org/stable/modules/feature_selection.html 特征选择工具可以用于选择信息量大的特征,或者消减数据的维度, 以提高模型的精度, 或者提升模型在高维数据上的性能。 The classes 阅读全文
摘要:
Nearest Neighbors https://scikit-learn.org/stable/modules/neighbors.html#nearest-neighbors-classification sklearn.neighbors 提供了基于邻居的无监督和监督的学习方法。 无监督的最 阅读全文
摘要:
Visualizations https://scikit-learn.org/stable/visualizations.html 提供了分析机器学习性能的可视化工具。 Scikit-learn defines a simple API for creating visualizations fo 阅读全文
摘要:
Computing with scikit-learn https://scikit-learn.org/stable/computing.html 此章讲解使用sklearn涉及到的计算性能相关问题。 Strategies to scale computationally: bigger data 阅读全文
摘要:
Model persistence https://scikit-learn.org/stable/modules/model_persistence.html 模型训练完毕后,如何保存起来,以便日后使用呢?这就是模型持久化。 After training a scikit-learn model, 阅读全文
摘要:
Unsupervised dimensionality reduction https://scikit-learn.org/stable/modules/unsupervised_reduction.html 无监督学习领域的 维度约减 , 应对特征数目非常高的情况。 在监督学习步骤之前, 进行无 阅读全文
摘要:
Preprocessing data https://scikit-learn.org/stable/modules/preprocessing.html 数据预处理提供工具函数和变换器类, 将转换特征向量成为更加适合下游模型的数据表示。 一般学习算法都会从数据标准化中受益。 如果异常值存在于数据中 阅读全文
摘要:
Semi-supervised Classification on a Text Dataset https://scikit-learn.org/stable/auto_examples/semi_supervised/plot_semi_supervised_newsgroups.html#sp 阅读全文
摘要:
Topic extraction with Non-negative Matrix Factorization and Latent Dirichlet Allocation https://scikit-learn.org/stable/auto_examples/applications/plo 阅读全文
摘要:
Classification of text documents using sparse features https://scikit-learn.org/stable/auto_examples/text/plot_document_classification_20newsgroups.ht 阅读全文
摘要:
Sample pipeline for text feature extraction and evaluation https://scikit-learn.org/stable/auto_examples/model_selection/grid_search_text_feature_extr 阅读全文
摘要:
Clustering text documents using k-means https://scikit-learn.org/stable/auto_examples/text/plot_document_clustering.html#sphx-glr-auto-examples-text-p 阅读全文
摘要:
Feature extraction https://scikit-learn.org/stable/modules/feature_extraction.html 从文本或图片的数据集中提取出机器学习支持的数据格式。 The sklearn.feature_extraction module ca 阅读全文
摘要:
Column Transformer with Heterogeneous Data Sources https://scikit-learn.org/stable/auto_examples/compose/plot_column_transformer.html#sphx-glr-auto-ex 阅读全文
摘要:
Column Transformer with Mixed Types https://scikit-learn.org/stable/auto_examples/compose/plot_column_transformer_mixed_types.html#sphx-glr-auto-examp 阅读全文
摘要:
Pipelines and composite estimators https://scikit-learn.org/stable/modules/compose.html 转换器通常跟分类器、回归器、其它的估计器组合使用,构建一个组合的估计器。(可以理解为 组合模型) 这就叫流水线技术Pipel 阅读全文
摘要:
Strategies to scale computationally: bigger data https://scikit-learn.org/stable/computing/scaling_strategies.html 针对海量样本 和 计算速度的要求, 对于传统的方法(数据加载内存 - 阅读全文
摘要:
Working With Text Data https://scikit-learn.org/stable/tutorial/text_analytics/working_with_text_data.html#working-with-text-data 分析文本文档,关于20个不同主题。 包括 阅读全文
摘要:
sphinx usages https://brendanhasz.github.io/2019/01/05/sphinx.html#file-hierarchy sphinx可以从python文档中自动提取docstring生成文档。 docstring包括函数和类的注释。 理解: sphinx在 阅读全文
摘要:
Manifold learning https://scikit-learn.org/stable/modules/manifold.html#locally-linear-embedding 流形学习是一种非线性降维方法,算法是基于一种想法,很多数据集的高纬度是人为制造的高,并不是真的高。 PCA 阅读全文
摘要:
Visualizing the stock market structure https://scikit-learn.org/stable/auto_examples/applications/plot_stock_market.html#stock-market 此例使用了集中非监督学习技术, 阅读全文
摘要:
Covariance estimation https://scikit-learn.org/stable/modules/covariance.html# 协方差矩阵可以看成是 数据集分散布局的估计。 理解: 在矩阵中, 高相关系数越多, 则数据集分布越集中, 反之越分散。 例如各个特征之间 的相 阅读全文
摘要:
Arithmetic Mean(算数均值) 均值关注整体的一个平均水平。 https://www.investopedia.com/terms/a/arithmeticmean.asp What Is the Arithmetic Mean? The arithmetic mean is the s 阅读全文
摘要:
Pipelining https://scikit-learn.org/stable/tutorial/statistical_inference/putting_together.html#pipelining 有的模型用于转换数据, 有的模型用于预测数据。 可以将这两种模型组合起来, 这就是流水 阅读全文
摘要:
Unsupervised learning https://scikit-learn.org/stable/tutorial/statistical_inference/unsupervised_learning.html 无监督学习的目的是, 寻找数据的表示。 探索数据的结构。 seeking r 阅读全文
摘要:
Model selection https://scikit-learn.org/stable/tutorial/statistical_inference/model_selection.html#score-and-cross-validated-scores 模型选择,包括两个部分: (1)选 阅读全文
摘要:
统计学习 https://scikit-learn.org/stable/tutorial/statistical_inference/index.html 数据量不停增加,增加了机器学习的重要性。 机器学习可以处理 预测 分类 学习非标记的数据结构。 统计学习使用机器学习技术,达成统计推断目标, 阅读全文
摘要:
Multiclass and multioutput algorithms https://scikit-learn.org/stable/modules/multiclass.html# sklearn 支持如下典型类型学习 multiclass -- 多类别 mulitlabel -- 多标签 阅读全文
摘要:
multilabel https://scikit-learn.org/stable/modules/multiclass.html#multilabel-classification 多标记, 对于一个样本数据, 多个可能的标签。 例如, 一段文本或者视频, 可能关于 宗教 政治 金融 教育 其中 阅读全文
摘要:
multiclass https://scikit-learn.org/stable/modules/multiclass.html#multiclass-classification 多类分类面向的目标是,多余两类的, 每一个样本只能被分为一类。 区别于二值分类, 其目标类别有多个。 Multic 阅读全文
摘要:
concept https://scikit-learn.org/stable/modules/preprocessing_targets.html#preprocessing-targets 对于监督性学习,其目标值需要进行转化,才能作为模型的目标,或者更加有效地适应模型。 These are t 阅读全文
摘要:
由来 https://scikit-learn.org/stable/auto_examples/classification/plot_digits_classification.html#sphx-glr-auto-examples-classification-plot-digits-clas 阅读全文
摘要:
Classification report The classification_report function builds a text report showing the main classification metrics. Here is a small example with cu 阅读全文
摘要:
Confusion Matrix https://machinelearningmastery.com/confusion-matrix-machine-learning/ 混淆矩阵是一种总结分类算法性能的技术。 如果单独看正确率,很有可能掩盖了一些小数据量的类的情况。换句话说分类的数据是不均衡的, 阅读全文
摘要:
conception https://scikit-learn.org/stable/auto_examples/cluster/plot_color_quantization.html#sphx-glr-auto-examples-cluster-plot-color-quantization-p 阅读全文
摘要:
datasets sklearn提供了一些内置的小的玩具数据。 也可以加载外部的一些数据。 节省招数据的过程。 The sklearn.datasets package embeds some small toy datasets as introduced in the Getting Start 阅读全文
摘要:
naive bayes 首先贝叶斯定理是定义 目标分类 和 依赖特征之间的概率转换关系的原理。 其次naive是朴素的意思, 依赖的特征可能是多个,但是多个特征之间可能依赖, 朴素的含义,是假设这些特征的依赖是不存在的。 朴素贝叶斯在实际应用中效果很好, 尽管特征之间是存在依赖关系的。 refere 阅读全文
摘要:
What? https://www.citrix.com/zh-cn/glossary/what-is-cloud-native.html 云原生是一种方法,用于构建和运行云应用,跨越私有云,公有云和混合云。 云原生应用,开发和管理都在云环境中。 越来越多的公司使用云原生开发,可以加速应用发布,到达 阅读全文