PythonOK2.6. 协方差估计(Covariance estimation)
5fendouai 发布于 2020-03-04
2.6. 协方差估计(Covariance estimation) 许多统计问题需要估计总体的协方差矩阵(population’s covariance matrix)，这可以看作是对数据集散点图形状的估计。大多数情况下，这样的估计必须对其性质（大小、结构、同质性）对估计质量有很...
阅读(5522)赞 (2)
sklearn 第2页
2.9. 神经网络模型（无监督）
2fendouai 发布于 2020-03-04
2.9. 神经网络模型（无监督） 2.9.1. 受限玻尔兹曼机器(Restricted Boltzmann machines) 受限玻尔兹曼机（RBM）是基于概率模型的无监督非线性特征学习器。将RBM或RBM的层次结构提取的特征输入到线性分类器（如线性支持向量机或感知器）中，往往...
阅读(1203)赞 (0)
2.3. 聚类(Clustering)
25fendouai 发布于 2020-03-04
2.3. 聚类(Clustering) 可以使用模块sklearn.cluster对未标记的数据进行聚类。 每个聚类算法都有两种变体：一个是类(class)实现 fit 方法来学习训练数据上的聚类；另一个是函数(function)，给定训练数据，返回与不同聚类对应的整数标签数组。...
阅读(1741)赞 (0)
1.17. 神经网络模型（有监督）
2fendouai 发布于 2020-03-04
1.17. 神经网络模型（有监督） 警告 此实现不适用于大规模应用程序。特别是，scikit-learn没有提供GPU支持。要获得更快、基于GPU的实现，以及提供更多灵活性以构建深度学习体系结构的框架，请参见相关项目。 1.17.1. 多层感知器 多层感知器 (MLP)是一种有监...
阅读(1183)赞 (0)
1.4. 支持向量机
5fendouai 发布于 2020-03-04
1.4. 支持向量机 支持向量机 (SVMs) 是一套监督学习方法，可用于分类，回归和离群值检测。 支持向量机的优点： 在高维空间中非常有效。 在维度数大于样本数的情况下仍然有效。 在决策函数（称为支持向量）中使用训练集的子集，因此它能提高内存利用率。 多用途：可以为决策函数指定...
阅读(1405)赞 (0)
1.7. 高斯过程(Gaussian Processes)
14fendouai 发布于 2020-03-04
1.7. 高斯过程(Gaussian Processes) 高斯过程（GP）是一种通用的监督学习方法，旨在解决回归和概率分类(probabilistic classification)问题。 高斯过程的优点： 预测值对观测值进行插值(至少对于常规内核(regular kernel...
阅读(1623)赞 (0)
1.3. 内核岭回归
2fendouai 发布于 2020-03-04
1.3. 内核岭回归 内核岭回归 (KRR) [M2012] 将 岭回归 和 分类 (l2正则化的线性最小二乘法)与核技巧结合在一起 。 因此，它学习了由各个内核和数据产生的在空间中的线性函数。 对于非线性内核，这对应于原始空间中的非线性函数。 KernelRidge学习的模型形...
阅读(1303)赞 (0)
1.12. 多类和多标签算法(Multiclass and multilabel algorithms)
1fendouai 发布于 2020-03-04
1.12. 多类和多标签算法(Multiclass and multilabel algorithms) 警告： scikit-learn中所有分类器都可以直接进行多分类。除非您想使用不同的多类策略，否则无需使用sklearn.multiclass模块。 sklearn.mult...
阅读(1763)赞 (0)
1.2. 线性判别分析和二次判别分析(Linear and Quadratic Discriminant Analysis)
2fendouai 发布于 2020-03-04
1.2. 线性判别分析和二次判别分析(Linear and Quadratic Discriminant Analysis) 线性判别分析（discriminant_analysis.LinearDiscriminantAnalysis）和二次判别分析（discriminant_...
阅读(1390)赞 (0)
1.6. 最近邻方法(Nearest Neighbors)
13fendouai 发布于 2020-03-04
1.6. 最近邻方法(Nearest Neighbors) sklearn.neighbors提供了基于邻居的(neighbors-based)的无监督学习和监督学习的方法。无监督的最近邻是许多其他方法的基础，尤其是流行学习(manifold learning)和谱聚类(spec...
阅读(3153)赞 (0)