用户指南

• 1. 监督学习
  • 1.1. 线性模型
    • 1.1.1. 普通最小二乘法
    • 1.1.2. 岭回归和分类
    • 1.1.3. Lasso 回归
    • 1.1.4. 多任务 Lasso
    • 1.1.5. 弹性网络
    • 1.1.6. 多任务弹性网络
    • 1.1.7. 最小角回归
    • 1.1.8. LARS Lasso
    • 1.1.9. 正交匹配追踪 (OMP)
    • 1.1.10. 贝叶斯回归
    • 1.1.11. 逻辑回归
    • 1.1.12. 广义线性模型
    • 1.1.13. 随机梯度下降 - SGD
    • 1.1.14. 感知器
    • 1.1.15. 被动攻击算法
    • 1.1.16. 稳健回归：异常值和建模误差
    • 1.1.17. 分位数回归
    • 1.1.18. 多项式回归：使用基函数扩展线性模型
  • 1.2. 线性判别分析和二次判别分析
    • 1.2.1. 使用线性判别分析进行降维
    • 1.2.2. LDA 和 QDA 分类器的数学公式
    • 1.2.3. LDA 降维的数学公式
    • 1.2.4. 收缩和协方差估计器
    • 1.2.5. 估计算法
  • 1.3. 核岭回归
  • 1.4. 支持向量机
    • 1.4.1. 分类
    • 1.4.2. 回归
    • 1.4.3. 密度估计，新颖性检测
    • 1.4.4. 复杂度
    • 1.4.5. 实用技巧
    • 1.4.6. 核函数
    • 1.4.7. 数学公式
    • 1.4.8. 实现细节
  • 1.5. 随机梯度下降
    • 1.5.1. 分类
    • 1.5.2. 回归
    • 1.5.3. 在线单类 SVM
    • 1.5.4. 用于稀疏数据的随机梯度下降
    • 1.5.5. 复杂度
    • 1.5.6. 停止准则
    • 1.5.7. 实用技巧
    • 1.5.8. 数学公式
    • 1.5.9. 实现细节
  • 1.6. 最近邻
    • 1.6.1. 无监督最近邻
    • 1.6.2. 最近邻分类
    • 1.6.3. 最近邻回归
    • 1.6.4. 最近邻算法
    • 1.6.5. 最近质心分类器
    • 1.6.6. 最近邻转换器
    • 1.6.7. 邻域成分分析
  • 1.7. 高斯过程
    • 1.7.1. 高斯过程回归 (GPR)
    • 1.7.2. 高斯过程分类 (GPC)
    • 1.7.3. GPC 示例
    • 1.7.4. 高斯过程的核
  • 1.8. 交叉分解
    • 1.8.1. PLSCanonical
    • 1.8.2. PLSSVD
    • 1.8.3. PLSRegression
    • 1.8.4. 典范相关分析
  • 1.9. 朴素贝叶斯
    • 1.9.1. 高斯朴素贝叶斯
    • 1.9.2. 多项式朴素贝叶斯
    • 1.9.3. 补充朴素贝叶斯
    • 1.9.4. 伯努利朴素贝叶斯
    • 1.9.5. 类别朴素贝叶斯
    • 1.9.6. 内存外朴素贝叶斯模型拟合
  • 1.10. 决策树
    • 1.10.1. 分类
    • 1.10.2. 回归
    • 1.10.3. 多输出问题
    • 1.10.4. 复杂度
    • 1.10.5. 实用技巧
    • 1.10.6. 树算法：ID3、C4.5、C5.0 和 CART
    • 1.10.7. 数学公式
    • 1.10.8. 缺失值支持
    • 1.10.9. 最小成本复杂度剪枝
  • 1.11. 集成方法：梯度提升、随机森林、Bagging、投票、堆叠
    • 1.11.1. 梯度提升树
    • 1.11.2. 随机森林和其他随机树集成
    • 1.11.3. Bagging 元估计器
    • 1.11.4. 投票分类器
    • 1.11.5. 投票回归器
    • 1.11.6. 堆叠泛化
    • 1.11.7. AdaBoost
  • 1.12. 多类别和多输出算法
    • 1.12.1. 多类别分类
    • 1.12.2. 多标签分类
    • 1.12.3. 多类别多输出分类
    • 1.12.4. 多输出回归
  • 1.13. 特征选择
    • 1.13.1. 删除方差低的特征
    • 1.13.2. 单变量特征选择
    • 1.13.3. 递归特征消除
    • 1.13.4. 使用 SelectFromModel 进行特征选择
    • 1.13.5. 顺序特征选择
    • 1.13.6. 将特征选择作为管道的一部分
  • 1.14. 半监督学习
    • 1.14.1. 自训练
    • 1.14.2. 标签传播
  • 1.15. 等距回归
  • 1.16. 概率校准
    • 1.16.1. 校准曲线
    • 1.16.2. 校准分类器
    • 1.16.3. 用法
  • 1.17. 神经网络模型（监督学习）
    • 1.17.1. 多层感知器
    • 1.17.2. 分类
    • 1.17.3. 回归
    • 1.17.4. 正则化
    • 1.17.5. 算法
    • 1.17.6. 复杂度
    • 1.17.7. 实用技巧
    • 1.17.8. 使用`warm_start`实现更多控制
• 2. 无监督学习
  • 2.1. 高斯混合模型
    • 2.1.1. 高斯混合模型
    • 2.1.2. 变分贝叶斯高斯混合模型
  • 2.2. 流形学习
    • 2.2.1. 简介
    • 2.2.2. 等度量映射 (Isomap)
    • 2.2.3. 局部线性嵌入 (Locally Linear Embedding)
    • 2.2.4. 修正局部线性嵌入 (Modified Locally Linear Embedding)
    • 2.2.5. Hessian特征映射
    • 2.2.6. 谱嵌入 (Spectral Embedding)
    • 2.2.7. 局部切空间对齐 (Local Tangent Space Alignment)
    • 2.2.8. 多维尺度分析 (Multi-dimensional Scaling, MDS)
    • 2.2.9. t-分布随机邻域嵌入 (t-distributed Stochastic Neighbor Embedding, t-SNE)
    • 2.2.10. 实用技巧
  • 2.3. 聚类
    • 2.3.1. 聚类方法概述
    • 2.3.2. K均值聚类 (K-means)
    • 2.3.3. 亲和传播聚类 (Affinity Propagation)
    • 2.3.4. 均值漂移聚类 (Mean Shift)
    • 2.3.5. 谱聚类 (Spectral clustering)
    • 2.3.6. 层次聚类 (Hierarchical clustering)
    • 2.3.7. DBSCAN聚类
    • 2.3.8. HDBSCAN聚类
    • 2.3.9. OPTICS聚类
    • 2.3.10. BIRCH聚类
    • 2.3.11. 聚类性能评估
  • 2.4. 双聚类
    • 2.4.1. 谱共聚类 (Spectral Co-Clustering)
    • 2.4.2. 谱双聚类 (Spectral Biclustering)
    • 2.4.3. 双聚类评估
  • 2.5. 将信号分解为成分（矩阵分解问题）
    • 2.5.1. 主成分分析 (Principal component analysis, PCA)
    • 2.5.2. 核主成分分析 (Kernel Principal Component Analysis, kPCA)
    • 2.5.3. 截断奇异值分解和潜在语义分析
    • 2.5.4. 字典学习 (Dictionary Learning)
    • 2.5.5. 因子分析 (Factor Analysis)
    • 2.5.6. 独立成分分析 (Independent component analysis, ICA)
    • 2.5.7. 非负矩阵分解 (Non-negative matrix factorization, NMF 或 NNMF)
    • 2.5.8. 潜在狄利克雷分配 (Latent Dirichlet Allocation, LDA)
  • 2.6. 协方差估计
    • 2.6.1. 经验协方差
    • 2.6.2. 收缩协方差
    • 2.6.3. 稀疏逆协方差
    • 2.6.4. 稳健协方差估计
  • 2.7. 新颖性和异常值检测
    • 2.7.1. 异常值检测方法概述
    • 2.7.2. 新颖性检测 (Novelty Detection)
    • 2.7.3. 异常值检测 (Outlier Detection)
    • 2.7.4. 基于局部异常因子 (Local Outlier Factor) 的新颖性检测
  • 2.8. 密度估计
    • 2.8.1. 密度估计：直方图
    • 2.8.2. 核密度估计
  • 2.9. 神经网络模型（无监督学习）
    • 2.9.1. 受限玻尔兹曼机
• 3. 模型选择和评估
  • 3.1. 交叉验证：评估估计器的性能
    • 3.1.1. 计算交叉验证指标
    • 3.1.2. 交叉验证迭代器
    • 3.1.3. 关于洗牌的说明
    • 3.1.4. 交叉验证和模型选择
    • 3.1.5. 置换检验得分
  • 3.2. 调整估计器的超参数
    • 3.2.1. 穷举网格搜索
    • 3.2.2. 随机参数优化
    • 3.2.3. 使用连续减半搜索最优参数
    • 3.2.4. 参数搜索技巧
    • 3.2.5. 蛮力参数搜索的替代方法
  • 3.3. 调整类别预测的决策阈值
    • 3.3.1. 微调决策阈值
  • 3.4. 指标和评分：量化预测的质量
    • 3.4.1. 我应该使用哪个评分函数？
    • 3.4.2. 评分API概述
    • 3.4.3. `scoring` 参数：定义模型评估规则
    • 3.4.4. 分类指标
    • 3.4.5. 多标签排序指标
    • 3.4.6. 回归指标
    • 3.4.7. 聚类指标
    • 3.4.8. 虚拟估计器
  • 3.5. 验证曲线：绘制分数以评估模型
    • 3.5.1. 验证曲线
    • 3.5.2. 学习曲线
• 4. 检查
  • 4.1. 部分依赖和个体条件期望图
    • 4.1.1. 部分依赖图
    • 4.1.2. 个体条件期望 (ICE) 图
    • 4.1.3. 数学定义
    • 4.1.4. 计算方法
  • 4.2. 置换特征重要性
    • 4.2.1. 置换重要性算法概述
    • 4.2.2. 与树中基于杂质的重要性之间的关系
    • 4.2.3. 强相关特征上的误导性值
• 5. 可视化
  • 5.1. 可用的绘图工具
    • 5.1.1. 显示对象
• 6. 数据集转换
  • 6.1. 管道和组合估计器
    • 6.1.1. 管道：连接估计器
    • 6.1.2. 转换回归中的目标
    • 6.1.3. FeatureUnion：组合特征空间
    • 6.1.4. 用于异构数据的 ColumnTransformer
    • 6.1.5. 可视化组合估计器
  • 6.2. 特征提取
    • 6.2.1. 从字典加载特征
    • 6.2.2. 特征哈希
    • 6.2.3. 文本特征提取
    • 6.2.4. 图像特征提取
  • 6.3. 数据预处理
    • 6.3.1. 标准化，或均值移除和方差缩放
    • 6.3.2. 非线性变换
    • 6.3.3. 归一化
    • 6.3.4. 编码类别特征
    • 6.3.5. 离散化
    • 6.3.6. 缺失值插补
    • 6.3.7. 生成多项式特征
    • 6.3.8. 自定义转换器
  • 6.4. 缺失值插补
    • 6.4.1. 单变量与多变量插补
    • 6.4.2. 单变量特征插补
    • 6.4.3. 多变量特征插补
    • 6.4.4. 最近邻插补
    • 6.4.5. 保持特征数量不变
    • 6.4.6. 标记插补值
    • 6.4.7. 可以处理NaN值的估计器
  • 6.5. 无监督降维
    • 6.5.1. PCA：主成分分析
    • 6.5.2. 随机投影
    • 6.5.3. 特征聚合
  • 6.6. 随机投影
    • 6.6.1. Johnson-Lindenstrauss引理
    • 6.6.2. 高斯随机投影
    • 6.6.3. 稀疏随机投影
    • 6.6.4. 逆变换
  • 6.7. 核近似
    • 6.7.1. 用于核近似的Nystroem方法
    • 6.7.2. 径向基函数核
    • 6.7.3. 加性卡方核
    • 6.7.4. 偏斜卡方核
    • 6.7.5. 通过张量草图的多项式核近似
    • 6.7.6. 数学细节
  • 6.8. 成对度量、亲和性和核
    • 6.8.1. 余弦相似度
    • 6.8.2. 线性核
    • 6.8.3. 多项式核
    • 6.8.4. S型核
    • 6.8.5. RBF核
    • 6.8.6. 拉普拉斯核
    • 6.8.7. 卡方核
  • 6.9. 转换预测目标 (y)
    • 6.9.1. 标签二值化
    • 6.9.2. 标签编码
• 7. 数据集加载实用程序
  • 7.1. 玩具数据集
    • 7.1.1. 鸢尾花数据集
    • 7.1.2. 糖尿病数据集
    • 7.1.3. 手写数字光学识别数据集
    • 7.1.4. Linnerrud数据集
    • 7.1.5. 葡萄酒识别数据集
    • 7.1.6. 威斯康星州乳腺癌（诊断）数据集
  • 7.2. 真实世界数据集
    • 7.2.1. Olivetti人脸数据集
    • 7.2.2. 20个新闻组文本数据集
    • 7.2.3. Labeled Faces in the Wild人脸识别数据集
    • 7.2.4. 森林覆盖类型数据集
    • 7.2.5. RCV1数据集
    • 7.2.6. Kddcup 99数据集
    • 7.2.7. 加利福尼亚州房价数据集
    • 7.2.8. 物种分布数据集
  • 7.3. 生成的数据集
    • 7.3.1. 用于分类和聚类的生成器
    • 7.3.2. 用于回归的生成器
    • 7.3.3. 用于流形学习的生成器
    • 7.3.4. 用于分解的生成器
  • 7.4. 加载其他数据集
    • 7.4.1. 样本图像
    • 7.4.2. svmlight/libsvm格式的数据集
    • 7.4.3. 从openml.org存储库下载数据集
    • 7.4.4. 从外部数据集加载
• 8. 使用 scikit-learn 进行计算
  • 8.1. 扩展计算能力的策略：更大的数据
    • 8.1.1. 使用OutOfCore学习进行实例缩放
  • 8.2. 计算性能
    • 8.2.1. 预测延迟
    • 8.2.2. 预测吞吐量
    • 8.2.3. 技巧和窍门
  • 8.3. 并行性、资源管理和配置
    • 8.3.1. 并行化
    • 8.3.2. 配置开关
• 9. 模型持久化
  • 9.1. 工作流程概述
    • 9.1.1. 训练并持久化模型
  • 9.2. ONNX
  • 9.3. `skops.io`
  • 9.4. `pickle`，`joblib`和`cloudpickle`
  • 9.5. 安全性和可维护性限制
    • 9.5.1. 在生产环境中复制训练环境
    • 9.5.2. 提供模型工件
  • 9.6. 总结要点
• 10. 常见陷阱和推荐实践
  • 10.1. 数据预处理不一致
  • 10.2. 数据泄露
    • 10.2.1. 如何避免数据泄露
    • 10.2.2. 预处理期间的数据泄露
  • 10.3. 控制随机性
    • 10.3.1. 使用`None`或`RandomState`实例，以及对`fit`和`split`的重复调用
    • 10.3.2. 常见陷阱和细微之处
    • 10.3.3. 一般建议
• 11. 分派
  • 11.1. 数组 API 支持（实验性）
    • 11.1.1. 使用示例
    • 11.1.2. 支持`Array API`兼容的输入
    • 11.1.3. 常见的估计器检查
• 12. 选择合适的估计器
• 13. 外部资源、视频和演讲
  • 13.1. 科学Python入门？
  • 13.2. 外部教程
  • 13.3. 视频

开发中

• 1. 元数据路由