示例#
这是展示如何使用 scikit-learn 的示例库。一些示例演示了如何使用 API,而另一些则以教程的形式演示了特定应用。还可以查看我们的 用户指南,以获取更详细的说明。
版本亮点#
这些示例说明了 scikit-learn 版本的主要功能。
双聚类#
关于双聚类技术的示例。
校准#
说明分类器预测概率校准的示例。
分类#
关于分类算法的一般示例。
用于分类的正态、Ledoit-Wolf 和 OAS 线性判别分析
聚类#
关于 sklearn.cluster
模块的示例。
比较 K-Means 和 MiniBatchKMeans 聚类算法
协方差估计#
关于 sklearn.covariance
模块的示例。
收缩协方差估计:LedoitWolf 与 OAS 和最大似然
交叉分解#
关于 sklearn.cross_decomposition
模块的示例。
数据集示例#
关于 sklearn.datasets
模块的示例。
决策树#
关于 sklearn.tree
模块的示例。
分解#
关于 sklearn.decomposition
模块的示例。
开发估计器#
关于自定义估计器开发的示例。
__sklearn_is_fitted__ 作为开发者 API
集成方法#
关于 sklearn.ensemble
模块的示例。
基于真实世界数据集的示例#
对一些中等规模的数据集或交互式用户界面进行的真实世界问题的应用。
特征选择#
关于 sklearn.feature_selection
模块的示例。
高斯混合模型#
关于 sklearn.mixture
模块的示例。
机器学习中的高斯过程#
关于 sklearn.gaussian_process
模块的示例。
使用高斯过程回归 (GPR) 预测莫纳罗亚数据集上的 CO2 水平
广义线性模型#
关于 sklearn.linear_model
模块的示例。
在具有强异常值的数据集上 HuberRegressor 与 Ridge 的比较
检查#
与 sklearn.inspection
模块相关的示例。
核近似#
关于 sklearn.kernel_approximation
模块的示例。
流形学习#
关于 sklearn.manifold
模块的示例。
其他#
scikit-learn 的其他和入门示例。
使用随机投影进行嵌入的 Johnson-Lindenstrauss 界
缺失值插补#
关于 sklearn.impute
模块的示例。
模型选择#
与 sklearn.model_selection
模块相关的示例。
演示 cross_val_score 和 GridSearchCV 上的多指标评估
多类方法#
关于 sklearn.multiclass
模块的示例。
多输出方法#
关于 sklearn.multioutput
模块的示例。
最近邻#
关于 sklearn.neighbors
模块的示例。
神经网络#
关于 sklearn.neural_network
模块的示例。
管道和复合估计器#
如何从其他估计器组合转换器和管道的示例。请参阅 用户指南。
使用 Pipeline 和 GridSearchCV 选择降维
预处理#
关于 sklearn.preprocessing
模块的示例。
使用 KBinsDiscretizer 对连续特征进行离散化
半监督分类#
关于 sklearn.semi_supervised
模块的示例。
支持向量机#
关于 sklearn.svm
模块的示例。
教程练习#
教程练习
使用文本文档#
关于 sklearn.feature_extraction.text
模块的示例。
FeatureHasher 和 DictVectorizer 比较