Home
Introduction
常用模型
决策树
随机森林
主成分分析PCA
逻辑回归
聚类算法K-Means
支持向量机
朴素贝叶斯
回归大家族
XGBoost
模型融合stacking
模型融合Blending
sklearn.metrics
sklearn.metrics.mean_squared_error用法
sklearn.metrics.mean_absolute_error用法
sklearn.metrics.r2_score用法
sklearn.metrics.explained_variance_score用法
标准差计算
sklearn.metrics.confusion_matrix用法
sklearn.metrics.accuracy_score用法
sklearn.metrics.precision_score用法
sklearn.metrics.recall_score用法
sklearn.metrics.f1_score用法
sklearn.metrics.roc_curve用法
ROC曲线下的面积auc
sklearn.metrics.roc_auc_score用法
数据处理 Preprocessing
preprocessing.MinMaxScaler用法
preprocessing.StandardScaler用法
preprocessing.Binarizer用法
preprocessing.KBinsDiscretizer用法
preprocessing.LabelEncoder用法
preprocessing.OneHotEncoder用法
缺失值处理 sklearn.impute
impute.SimpleImputer用法
特征选择 feature_selection
feature_selection.VarianceThreshold用法
feature_selection.SelectKBest用法
feature_selection.chi2用法
feature_selection.f_classif用法
feature_selection.f_regression用法
feature_selection.mutual_info_classif用法
feature_selection.mutual_info_regression用法
过滤法总结
feature_selection.SelectFromModel用法
feature_selection.RFE用法
模型选择 model_selection
数据集划分train_test_split
数据集划分K折交叉验证KFold
数据集划分K折交叉验证StratifiedKFold
随机数据集划分ShuffleSplit
随机分层数据集划分StratifiedShuffleSplit
交叉验证cross_val_score
学习曲线learning_curve
验证曲线validation_curve
pipeline
Pipeline
make_pipeline
compose
ColumnTransformer
mlxtend库
StackingRegressor
StackingClassifier
feature_selection
SequentialFeatureSelector
ExhaustiveFeatureSelector
本书使用 GitBook 发布
特征选择 feature_selection
特征选择 feature_selection
特征选择 feature_selection
results matching "
"
No results matching "
"