【学习笔记】sklearn库基本功能介绍[通俗易懂]sklearn(Scikit-learn)是python中一个提供机器学习算法的库,安装Scikit-learn库地址如下:http://scikit-learn.org/stable/sklearn库的共分为6大部分,分别用于完成分类任务、回归任务、聚类任务、降维任务、模型选择以及数据的预处理。1分类任务分类任务可以用于异常检测,图像识别,对应的模型及加载模块如下:|分类模型|加载模块||最近邻算法|neighbors.NearestNeighbors||||分类(Class
大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。
Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺
sklearn(Scikit-learn)是python中一个提供机器学习算法的库,是一组简单有效的工具集,其开源、可复用。sklearn库的共分为6大部分,分别用于完成分类任务、回归任务、聚类任务、降维任务、模型选择以及数据的预处理。
1.分类任务
分类模型 |
加载模块 |
最近邻算法 |
neighbors.NearestNeighbors |
支持向量机 |
svm.SVC |
朴素贝叶斯 |
naive_bayes.GaussianNB |
决策树 |
tree.DecisionTreeClassifier |
集成方法 |
ensemble.BaggingClassifier |
神经网络 |
neural_network.MLPClassifier |
2.回归任务
回归模型 |
加载模块 |
岭回归 |
linear_model.Ridge |
Lasso回归 |
linear_model.Lasso |
弹性网络 |
linear_model.ElasticNet |
最小角回归 |
linear_model.Lars |
贝叶斯回归 |
linear_model.BayesianRidge |
逻辑回归 |
linear_model.LogisticRegression |
多项式回归 |
preprocessing. PolynomialFeatures |
3.聚类
聚类方法 |
加载模块 |
K-means |
cluster.KMeans |
AP聚类 |
cluster.AffinityPropagation |
均值漂移 |
cluster.MeanShift |
层次聚类 |
cluster.AgglomerativeClustering |
DBSCAN |
cluster.DBSCAN |
BIRCH |
cluster.Birch |
谱聚类 |
cluster.SpectralClustering |
4.降维任务
降维方法 |
加载模块 |
主成分分析 |
decomposition.PCA |
截断SVD和LSA |
decomposition.TruncatedSVD |
字典学习 |
decomposition.SparseCoder |
因子分析 |
decomposition.FactorAnalysis |
独立成分分析 |
decomposition.FastICA |
非负矩阵分解 |
decomposition.NMF |
LDA |
decomposition.LatentDirichletAllocation |
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。
发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/183918.html原文链接:https://javaforall.net