跳至主要内容
Ctrl+K
scikit-learn homepage scikit-learn homepage
  • 安装
  • 用户指南
  • API
  • 示例
  • 社区
    • 入门
    • 发行历史
    • 术语表
    • 开发
    • 常见问题
    • 支持
    • 相关项目
    • 路线图
    • 治理
    • 关于我们
  • GitHub
  • 安装
  • 用户指南
  • API
  • 示例
  • 社区
  • 入门
  • 发行历史
  • 术语表
  • 开发
  • 常见问题
  • 支持
  • 相关项目
  • 路线图
  • 治理
  • 关于我们
  • GitHub

章节导航

  • sklearn
    • config_context
    • get_config
    • set_config
    • show_versions
  • sklearn.base
    • BaseEstimator
    • BiclusterMixin
    • ClassNamePrefixFeaturesOutMixin
    • ClassifierMixin
    • ClusterMixin
    • DensityMixin
    • MetaEstimatorMixin
    • OneToOneFeatureMixin
    • OutlierMixin
    • RegressorMixin
    • TransformerMixin
    • clone
    • is_classifier
    • is_clusterer
    • is_regressor
    • is_outlier_detector
  • sklearn.calibration
    • CalibratedClassifierCV
    • calibration_curve
    • CalibrationDisplay
  • sklearn.cluster
    • AffinityPropagation
    • AgglomerativeClustering
    • Birch
    • BisectingKMeans
    • DBSCAN
    • FeatureAgglomeration
    • HDBSCAN
    • KMeans
    • MeanShift
    • MiniBatchKMeans
    • OPTICS
    • SpectralBiclustering
    • SpectralClustering
    • SpectralCoclustering
    • affinity_propagation
    • cluster_optics_dbscan
    • cluster_optics_xi
    • compute_optics_graph
    • dbscan
    • estimate_bandwidth
    • k_means
    • kmeans_plusplus
    • mean_shift
    • spectral_clustering
    • ward_tree
  • sklearn.compose
    • ColumnTransformer
    • TransformedTargetRegressor
    • make_column_selector
    • make_column_transformer
  • sklearn.covariance
    • EllipticEnvelope
    • EmpiricalCovariance
    • GraphicalLasso
    • GraphicalLassoCV
    • LedoitWolf
    • MinCovDet
    • OAS
    • ShrunkCovariance
    • empirical_covariance
    • graphical_lasso
    • ledoit_wolf
    • ledoit_wolf_shrinkage
    • oas
    • shrunk_covariance
  • sklearn.cross_decomposition
    • CCA
    • PLSCanonical
    • PLSRegression
    • PLSSVD
  • sklearn.datasets
    • clear_data_home
    • dump_svmlight_file
    • fetch_20newsgroups
    • fetch_20newsgroups_vectorized
    • fetch_california_housing
    • fetch_covtype
    • fetch_file
    • fetch_kddcup99
    • fetch_lfw_pairs
    • fetch_lfw_people
    • fetch_olivetti_faces
    • fetch_openml
    • fetch_rcv1
    • fetch_species_distributions
    • get_data_home
    • load_breast_cancer
    • load_diabetes
    • load_digits
    • load_files
    • load_iris
    • load_linnerud
    • load_sample_image
    • load_sample_images
    • load_svmlight_file
    • load_svmlight_files
    • load_wine
    • make_biclusters
    • make_blobs
    • make_checkerboard
    • make_circles
    • make_classification
    • make_friedman1
    • make_friedman2
    • make_friedman3
    • make_gaussian_quantiles
    • make_hastie_10_2
    • make_low_rank_matrix
    • make_moons
    • make_multilabel_classification
    • make_regression
    • make_s_curve
    • make_sparse_coded_signal
    • make_sparse_spd_matrix
    • make_sparse_uncorrelated
    • make_spd_matrix
    • make_swiss_roll
  • sklearn.decomposition
    • DictionaryLearning
    • FactorAnalysis
    • FastICA
    • IncrementalPCA
    • KernelPCA
    • LatentDirichletAllocation
    • MiniBatchDictionaryLearning
    • MiniBatchNMF
    • MiniBatchSparsePCA
    • NMF
    • PCA
    • SparseCoder
    • SparsePCA
    • TruncatedSVD
    • dict_learning
    • dict_learning_online
    • fastica
    • non_negative_factorization
    • sparse_encode
  • sklearn.discriminant_analysis
    • LinearDiscriminantAnalysis
    • QuadraticDiscriminantAnalysis
  • sklearn.dummy
    • DummyClassifier
    • DummyRegressor
  • sklearn.ensemble
    • AdaBoostClassifier
    • AdaBoostRegressor
    • BaggingClassifier
    • BaggingRegressor
    • ExtraTreesClassifier
    • ExtraTreesRegressor
    • GradientBoostingClassifier
    • GradientBoostingRegressor
    • HistGradientBoostingClassifier
    • HistGradientBoostingRegressor
    • IsolationForest
    • RandomForestClassifier
    • RandomForestRegressor
    • RandomTreesEmbedding
    • StackingClassifier
    • StackingRegressor
    • VotingClassifier
    • VotingRegressor
  • sklearn.exceptions
    • ConvergenceWarning
    • DataConversionWarning
    • DataDimensionalityWarning
    • EfficiencyWarning
    • FitFailedWarning
    • InconsistentVersionWarning
    • NotFittedError
    • UndefinedMetricWarning
    • EstimatorCheckFailedWarning
  • sklearn.experimental
    • enable_halving_search_cv
    • enable_iterative_imputer
  • sklearn.feature_extraction
    • DictVectorizer
    • FeatureHasher
    • PatchExtractor
    • extract_patches_2d
    • grid_to_graph
    • img_to_graph
    • reconstruct_from_patches_2d
    • CountVectorizer
    • HashingVectorizer
    • TfidfTransformer
    • TfidfVectorizer
  • sklearn.feature_selection
    • GenericUnivariateSelect
    • RFE
    • RFECV
    • SelectFdr
    • SelectFpr
    • SelectFromModel
    • SelectFwe
    • SelectKBest
    • SelectPercentile
    • SelectorMixin
    • SequentialFeatureSelector
    • VarianceThreshold
    • chi2
    • f_classif
    • f_regression
    • mutual_info_classif
    • mutual_info_regression
    • r_regression
  • sklearn.frozen
    • FrozenEstimator
  • sklearn.gaussian_process
    • GaussianProcessClassifier
    • GaussianProcessRegressor
    • CompoundKernel
    • ConstantKernel
    • DotProduct
    • ExpSineSquared
    • Exponentiation
    • Hyperparameter
    • Kernel
    • Matern
    • PairwiseKernel
    • Product
    • RBF
    • RationalQuadratic
    • Sum
    • WhiteKernel
  • sklearn.impute
    • IterativeImputer
    • KNNImputer
    • MissingIndicator
    • SimpleImputer
  • sklearn.inspection
    • partial_dependence
    • permutation_importance
    • DecisionBoundaryDisplay
    • PartialDependenceDisplay
  • sklearn.isotonic
    • IsotonicRegression
    • check_increasing
    • isotonic_regression
  • sklearn.kernel_approximation
    • AdditiveChi2Sampler
    • Nystroem
    • PolynomialCountSketch
    • RBFSampler
    • SkewedChi2Sampler
  • sklearn.kernel_ridge
    • KernelRidge
  • sklearn.linear_model
    • LogisticRegression
    • LogisticRegressionCV
    • PassiveAggressiveClassifier
    • Perceptron
    • RidgeClassifier
    • RidgeClassifierCV
    • SGDClassifier
    • SGDOneClassSVM
    • LinearRegression
    • Ridge
    • RidgeCV
    • SGDRegressor
    • ElasticNet
    • ElasticNetCV
    • Lars
    • LarsCV
    • Lasso
    • LassoCV
    • LassoLars
    • LassoLarsCV
    • LassoLarsIC
    • OrthogonalMatchingPursuit
    • OrthogonalMatchingPursuitCV
    • ARDRegression
    • BayesianRidge
    • MultiTaskElasticNet
    • MultiTaskElasticNetCV
    • MultiTaskLasso
    • MultiTaskLassoCV
    • HuberRegressor
    • QuantileRegressor
    • RANSACRegressor
    • TheilSenRegressor
    • GammaRegressor
    • PoissonRegressor
    • TweedieRegressor
    • PassiveAggressiveRegressor
    • enet_path
    • lars_path
    • lars_path_gram
    • lasso_path
    • 正交匹配追踪 (orthogonal_mp)
    • 正交匹配追踪 (Gram 矩阵) (orthogonal_mp_gram)
    • 岭回归 (ridge_regression)
  • sklearn.manifold
    • 等距映射 (Isomap)
    • 局部线性嵌入 (LocallyLinearEmbedding)
    • 多维缩放 (MDS)
    • 谱嵌入 (SpectralEmbedding)
    • t-SNE (TSNE)
    • 局部线性嵌入 (locally_linear_embedding)
    • SMACOF (smacof)
    • 谱嵌入 (spectral_embedding)
    • 保真度 (trustworthiness)
  • sklearn.metrics
    • 检查评分器 (check_scoring)
    • 获取评分器 (get_scorer)
    • 获取评分器名称 (get_scorer_names)
    • 创建评分器 (make_scorer)
    • 准确率 (accuracy_score)
    • AUC (auc)
    • 平均精确率 (average_precision_score)
    • 平衡准确率 (balanced_accuracy_score)
    • Brier 评分损失 (brier_score_loss)
    • 分类似然比 (class_likelihood_ratios)
    • 分类报告 (classification_report)
    • Cohen Kappa 系数 (cohen_kappa_score)
    • 混淆矩阵 (confusion_matrix)
    • D2 对数损失评分 (d2_log_loss_score)
    • 折损累积增益 (DCG) 评分 (dcg_score)
    • 检测错误率曲线 (det_curve)
    • F1 分数 (f1_score)
    • Fβ 分数 (fbeta_score)
    • 汉明损失 (hamming_loss)
    • 合页损失 (hinge_loss)
    • Jaccard 相似系数 (jaccard_score)
    • 对数损失 (log_loss)
    • 马修斯相关系数 (matthews_corrcoef)
    • 多标签混淆矩阵 (multilabel_confusion_matrix)
    • 归一化折损累积增益 (NDCG) 评分 (ndcg_score)
    • 精确率-召回率曲线 (precision_recall_curve)
    • 精确率、召回率、F 分数和支持度 (precision_recall_fscore_support)
    • 精确率 (precision_score)
    • 召回率 (recall_score)
    • ROC AUC 评分 (roc_auc_score)
    • ROC 曲线 (roc_curve)
    • Top-K 准确率 (top_k_accuracy_score)
    • 零一损失 (zero_one_loss)
    • D2 绝对误差评分 (d2_absolute_error_score)
    • D2 分位数损失评分 (d2_pinball_score)
    • D2 Tweedie 评分 (d2_tweedie_score)
    • 解释方差评分 (explained_variance_score)
    • 最大误差 (max_error)
    • 平均绝对误差 (mean_absolute_error)
    • 平均绝对百分比误差 (mean_absolute_percentage_error)
    • 平均 Gamma 偏差 (mean_gamma_deviance)
    • 平均分位数损失 (mean_pinball_loss)
    • 平均泊松偏差 (mean_poisson_deviance)
    • 均方误差 (mean_squared_error)
    • 均方对数误差 (mean_squared_log_error)
    • 平均 Tweedie 偏差 (mean_tweedie_deviance)
    • 中位数绝对误差 (median_absolute_error)
    • R方评分 (r2_score)
    • 均方根误差 (root_mean_squared_error)
    • 均方根对数误差 (root_mean_squared_log_error)
    • 覆盖误差 (coverage_error)
    • 标签排序平均精确率 (label_ranking_average_precision_score)
    • 标签排序损失 (label_ranking_loss)
    • 调整后的互信息评分 (adjusted_mutual_info_score)
    • 调整后的 Rand 指数 (adjusted_rand_score)
    • Calinski-Harabasz 指数 (calinski_harabasz_score)
    • 列联表 (contingency_matrix)
    • 成对混淆矩阵 (pair_confusion_matrix)
    • 完整性评分 (completeness_score)
    • Davies-Bouldin 指数 (davies_bouldin_score)
    • Fowlkes-Mallows 指数 (fowlkes_mallows_score)
    • 同质性、完整性和 V 测度 (homogeneity_completeness_v_measure)
    • 同质性评分 (homogeneity_score)
    • 互信息评分 (mutual_info_score)
    • 归一化互信息评分 (normalized_mutual_info_score)
    • Rand 指数 (rand_score)
    • 轮廓系数样本 (silhouette_samples)
    • 轮廓系数 (silhouette_score)
    • V 测度评分 (v_measure_score)
    • 一致性评分 (consensus_score)
    • 距离度量 (DistanceMetric)
    • 加性卡方核 (additive_chi2_kernel)
    • 卡方核 (chi2_kernel)
    • 余弦距离 (cosine_distances)
    • 余弦相似度 (cosine_similarity)
    • 距离度量 (distance_metrics)
    • 欧几里得距离 (euclidean_distances)
    • Haversine 距离 (haversine_distances)
    • 核函数度量 (kernel_metrics)
    • 拉普拉斯核 (laplacian_kernel)
    • 线性核 (linear_kernel)
    • 曼哈顿距离 (manhattan_distances)
    • 包含 NaN 值的欧几里得距离 (nan_euclidean_distances)
    • 成对余弦距离 (paired_cosine_distances)
    • 成对距离 (paired_distances)
    • 成对欧几里得距离 (paired_euclidean_distances)
    • 成对曼哈顿距离 (paired_manhattan_distances)
    • 成对核函数 (pairwise_kernels)
    • 多项式核 (polynomial_kernel)
    • 径向基核 (rbf_kernel)
    • Sigmoid 核 (sigmoid_kernel)
    • 成对距离 (pairwise_distances)
    • 成对距离最小值索引 (pairwise_distances_argmin)
    • 成对距离最小值索引和最小值 (pairwise_distances_argmin_min)
    • 分块成对距离 (pairwise_distances_chunked)
    • 混淆矩阵显示 (ConfusionMatrixDisplay)
    • 检测错误率曲线显示 (DetCurveDisplay)
    • 精确率-召回率显示 (PrecisionRecallDisplay)
    • 预测误差显示 (PredictionErrorDisplay)
    • ROC 曲线显示 (RocCurveDisplay)
  • sklearn.mixture
    • 贝叶斯高斯混合模型 (BayesianGaussianMixture)
    • 高斯混合模型 (GaussianMixture)
  • sklearn.model_selection
    • 分组 K 折交叉验证 (GroupKFold)
    • 分组洗牌分割 (GroupShuffleSplit)
    • K 折交叉验证 (KFold)
    • 留一组法 (LeaveOneGroupOut)
    • 留一法 (LeaveOneOut)
    • 留 P 组法 (LeavePGroupsOut)
    • 留 P 法 (LeavePOut)
    • 预定义分割 (PredefinedSplit)
    • 重复 K 折交叉验证 (RepeatedKFold)
    • 重复分层 K 折交叉验证 (RepeatedStratifiedKFold)
    • 洗牌分割 (ShuffleSplit)
    • 分层分组 K 折交叉验证 (StratifiedGroupKFold)
    • 分层 K 折交叉验证 (StratifiedKFold)
    • 分层洗牌分割 (StratifiedShuffleSplit)
    • 时间序列分割 (TimeSeriesSplit)
    • 检查交叉验证 (check_cv)
    • 训练测试分割 (train_test_split)
    • 网格搜索交叉验证 (GridSearchCV)
    • 减半网格搜索交叉验证 (HalvingGridSearchCV)
    • 减半随机搜索交叉验证 (HalvingRandomSearchCV)
    • 参数网格 (ParameterGrid)
    • 参数采样器 (ParameterSampler)
    • 随机搜索交叉验证 (RandomizedSearchCV)
    • 固定阈值分类器 (FixedThresholdClassifier)
    • 调整阈值交叉验证分类器 (TunedThresholdClassifierCV)
    • 交叉验证预测 (cross_val_predict)
    • 交叉验证评分 (cross_val_score)
    • 交叉验证 (cross_validate)
    • 学习曲线 (learning_curve)
    • 置换检验评分 (permutation_test_score)
    • 验证曲线 (validation_curve)
    • 学习曲线显示 (LearningCurveDisplay)
    • 验证曲线显示 (ValidationCurveDisplay)
  • sklearn.multiclass
    • 一对一分类器 (OneVsOneClassifier)
    • 一对多分类器 (OneVsRestClassifier)
    • 输出码分类器 (OutputCodeClassifier)
  • sklearn.multioutput
    • 分类器链 (ClassifierChain)
    • 多输出分类器 (MultiOutputClassifier)
    • 多输出回归器 (MultiOutputRegressor)
    • 回归器链 (RegressorChain)
  • sklearn.naive_bayes
    • 伯努利朴素贝叶斯 (BernoulliNB)
    • 类别朴素贝叶斯 (CategoricalNB)
    • 补集朴素贝叶斯 (ComplementNB)
    • 高斯朴素贝叶斯 (GaussianNB)
    • 多项式朴素贝叶斯 (MultinomialNB)
  • sklearn.neighbors
    • 球树 (BallTree)
    • KD 树 (KDTree)
    • K 近邻分类器 (KNeighborsClassifier)
    • K 近邻回归器 (KNeighborsRegressor)
    • K 近邻变换器 (KNeighborsTransformer)
    • 核密度估计 (KernelDensity)
    • 局部异常因子 (LocalOutlierFactor)
    • 最近质心 (NearestCentroid)
    • 最近邻 (NearestNeighbors)
    • 邻域成分分析 (NeighborhoodComponentsAnalysis)
    • 半径近邻分类器 (RadiusNeighborsClassifier)
    • 半径近邻回归器 (RadiusNeighborsRegressor)
    • 半径近邻变换器 (RadiusNeighborsTransformer)
    • K 近邻图 (kneighbors_graph)
    • 半径近邻图 (radius_neighbors_graph)
    • 按行值排序图 (sort_graph_by_row_values)
  • sklearn.neural_network
    • 伯努利受限玻尔兹曼机 (BernoulliRBM)
    • 多层感知器分类器 (MLPClassifier)
    • 多层感知器回归器 (MLPRegressor)
  • sklearn.pipeline
    • 特征联合 (FeatureUnion)
    • 管道 (Pipeline)
    • 创建管道 (make_pipeline)
    • 创建联合 (make_union)
  • sklearn.preprocessing
    • 二值化 (Binarizer)
    • 函数变换器 (FunctionTransformer)
    • K-Bins 离散化 (KBinsDiscretizer)
    • 核中心化 (KernelCenterer)
    • 标签二值化 (LabelBinarizer)
    • 标签编码 (LabelEncoder)
    • 最大绝对值缩放 (MaxAbsScaler)
    • 最小最大缩放 (MinMaxScaler)
    • 多标签二值化 (MultiLabelBinarizer)
    • 归一化 (Normalizer)
    • 独热编码 (OneHotEncoder)
    • 序数编码 (OrdinalEncoder)
    • 多项式特征 (PolynomialFeatures)
    • 幂变换 (PowerTransformer)
    • 分位数变换 (QuantileTransformer)
    • 稳健缩放 (RobustScaler)
    • 样条变换 (SplineTransformer)
    • 标准化 (StandardScaler)
    • 目标编码 (TargetEncoder)
    • 添加虚拟特征 (add_dummy_feature)
    • 二值化 (binarize)
    • 标签二值化 (label_binarize)
    • 最大绝对值缩放 (maxabs_scale)
    • 最小最大缩放 (minmax_scale)
    • 归一化 (normalize)
    • 幂变换 (power_transform)
    • 分位数变换 (quantile_transform)
    • 稳健缩放 (robust_scale)
    • 缩放 (scale)
  • sklearn.random_projection
    • 高斯随机投影 (GaussianRandomProjection)
    • 稀疏随机投影 (SparseRandomProjection)
    • Johnson-Lindenstrauss 引理最小维度 (johnson_lindenstrauss_min_dim)
  • sklearn.semi_supervised
    • 标签传播 (LabelPropagation)
    • 标签传播 (LabelSpreading)
    • 自训练分类器 (SelfTrainingClassifier)
  • sklearn.svm
    • 线性支持向量分类器 (LinearSVC)
    • 线性支持向量回归器 (LinearSVR)
    • 核支持向量分类器 (NuSVC)
    • 核支持向量回归器 (NuSVR)
    • 一类支持向量机 (OneClassSVM)
    • 支持向量分类器 (SVC)
    • 支持向量回归器 (SVR)
    • L1 正则化最小 C 值 (l1_min_c)
  • sklearn.tree
    • 决策树分类器 (DecisionTreeClassifier)
    • 决策树回归器 (DecisionTreeRegressor)
    • 极端随机树分类器 (ExtraTreeClassifier)
    • 极端随机树回归器 (ExtraTreeRegressor)
    • 导出图 (export_graphviz)
    • 导出文本 (export_text)
    • 绘制决策树 (plot_tree)
  • sklearn.utils
    • 数据包 (Bunch)
    • 安全索引 ( _safe_indexing)
    • 转换为浮点数组 (as_float_array)
    • 断言所有数值有限 (assert_all_finite)
    • 已弃用 (deprecated)
    • 估计器 HTML 表示 (estimator_html_repr)
    • 生成批次 (gen_batches)
    • 生成均匀切片 (gen_even_slices)
    • 可索引 (indexable)
    • MurmurHash3_32 (murmurhash3_32)
    • 重采样 (resample)
    • 安全掩码 (safe_mask)
    • 安全平方 (safe_sqr)
    • 洗牌 (shuffle)
    • 标签 (Tags)
    • 输入标签 (InputTags)
    • 目标标签 (TargetTags)
    • 分类器标签 (ClassifierTags)
    • 回归器标签 (RegressorTags)
    • 变换器标签 (TransformerTags)
    • 获取标签 (get_tags)
    • 检查 X 和 y (check_X_y)
    • 检查数组 (check_array)
    • 检查一致长度 (check_consistent_length)
    • 检查随机状态 (check_random_state)
    • 检查标量 (check_scalar)
    • 检查是否已拟合 (check_is_fitted)
    • 检查内存 (check_memory)
    • 检查对称性 (check_symmetric)
    • 列或一维数组 (column_or_1d)
    • 是否有拟合参数 (has_fit_parameter)
    • 验证数据 (validate_data)
    • 如果可用 (available_if)
    • 计算类权重 (compute_class_weight)
    • 计算样本权重 (compute_sample_weight)
    • 是否是多标签 (is_multilabel)
    • 目标类型 (type_of_target)
    • 唯一标签 (unique_labels)
    • 密度 (density)
    • 快速行列式计算 (fast_logdet)
    • 随机范围查找 (randomized_range_finder)
    • 随机奇异值分解 (randomized_svd)
    • 安全稀疏点积 (safe_sparse_dot)
    • 加权众数 (weighted_mode)
    • 增量均值方差计算 (incr_mean_variance_axis)
    • 就地列缩放 (inplace_column_scale)
    • 就地 CSR 矩阵列缩放 (inplace_csr_column_scale)
    • 就地行缩放 (inplace_row_scale)
    • 就地交换列 (inplace_swap_column)
    • 就地交换行 (inplace_swap_row)
    • 均值方差计算 (mean_variance_axis)
    • 就地 CSR 矩阵行 L1 归一化 (inplace_csr_row_normalize_l1)
    • 就地 CSR 矩阵行 L2 归一化 (inplace_csr_row_normalize_l2)
    • 单源最短路径长度 (single_source_shortest_path_length)
    • 不放回抽样 (sample_without_replacement)
    • 最小正数 (min_pos)
    • 元数据请求 (MetadataRequest)
    • 元数据路由器 (MetadataRouter)
    • 方法映射 (MethodMapping)
    • 获取对象的路由 (get_routing_for_object)
    • 处理路由 (process_routing)
    • 所有显示 (all_displays)
    • 所有估计器 (all_estimators)
    • 所有函数 (all_functions)
    • 检查估计器 (check_estimator)
    • 带检查的参数化 (parametrize_with_checks)
    • 估计器检查生成器 (estimator_checks_generator)
    • 并行 (Parallel)
    • 延迟执行 (delayed)
  • 近期已弃用 (Recently Deprecated)
    • 并行后端 (parallel_backend)
    • 注册并行后端 (register_parallel_backend)
  • API 参考 (API Reference)
  • 近期已弃用 (Recently Deprecated)

近期已弃用#

将在 1.7 版本中移除

utils.parallel_backend

utils.register_parallel_backend

注册新的并行后端工厂。

上一页

delayed

下一页

parallel_backend

© 版权所有 2007 - 2024，scikit-learn 开发者 (BSD 许可证)。