原文链接：http://scikit-learn.github.io/dev/tutorial/basic/tutorial.html章节内容在这个章节中，我们主要介绍关于scikit-learn机器学习词库，并且将给出一个学习样例。机器学习：问题设置通常，一个学习问题是通过一系列的n个样本数据来学习然后尝试预测未知数据的属性。如果每一个样本超过一个单一的数值，例如多维输入（也叫做多维数据），那么它...
分类：
其他好文 时间：
2015-07-20 23:43:35
阅读次数：
174
感谢百小度治哥，该文原地址：here经Edwin Chen的推荐，认识了scikit-learn这个非常强大的python机器学习工具包。这个帖子作为笔记。（其实都没有笔记的意义，因为他家文档做的太好了，不过还是为自己记记吧，为以后节省若干分钟）。如果有幸此文被想用scikit-learn的你看见，...
分类：
编程语言 时间：
2015-07-20 21:25:08
阅读次数：
152
本文参考：http://scikit-learn.org/stable/data_transforms.html
本篇主要讲数据预处理，包括四部分：
数据清洗、数据降维（PCA类）、数据增维（Kernel类）、提取自定义特征。哇哈哈，还是关注预处理比较靠谱。。。。
重要的不翻译：scikit-learn provides
a library of transformers, whi...
分类：
其他好文 时间：
2015-07-17 10:09:01
阅读次数：
145
具体代码实现参考：手动设置选择特征的个数http://scikit-learn.org/stable/modules/generated/sklearn.feature_selection.RFE.html#sklearn.feature_selection.RFE通过交叉验证自动选择最优特征个数：...
分类：
其他好文 时间：
2015-07-16 21:23:41
阅读次数：
130
http://scikit-learn.org/stable/modules/generated/sklearn.feature_extraction.text.CountVectorizer.html#sklearn.feature_extraction.text.CountVectorizer
class sklearn.feature_extraction.text.C...
分类：
其他好文 时间：
2015-07-13 22:35:59
阅读次数：
778
本文介绍了Python的机器学习库scikit-learn模块，包括如何安装scikit-learn，以及如何利用scikit-learn来进行数据挖掘和数据分析。通过几个简单的实例，展示了scikit-learn的用法。
分类：
编程语言 时间：
2015-06-17 14:54:09
阅读次数：
182
GridSearchCV详细地址：http://scikit-learn.org/stable/modules/generated/sklearn.grid_search.GridSearchCV.html#examples-using-sklearn-grid-search-gridsearchc...
分类：
其他好文 时间：
2015-06-15 18:27:57
阅读次数：
269
1.依赖包：Cython、rose、numpy、scipy、lapack、atlashttp://blog.chinaunix.net/uid-22488454-id-3978860.html
分类：
其他好文 时间：
2015-06-15 18:09:29
阅读次数：
139
内容概要
如何使用pandas读入数据如何使用seaborn进行数据的可视化scikit-learn的线性回归模型和使用方法线性回归模型的评估测度特征选择的方法
作为有监督学习，分类问题是预测类别结果，而回归问题是预测一个连续的结果。
1. 使用pandas来读取数据
Pandas是一个用于数据...
分类：
其他好文 时间：
2015-06-03 09:45:15
阅读次数：
278
谱聚类一般会先对两两样本间求相似度， 然后根据相似度矩阵求出拉普拉斯矩阵，然后将每个样本映射到拉普拉斯矩阵特诊向量中，最后使用k-means聚类。
scikit-learn开源包中已经有现成的接口可以使用，具体见
http://scikit-learn.org/dev/modules/generated/sklearn.cluster.SpectralClustering.html#sklea...
分类：
其他好文 时间：
2015-06-02 21:59:56
阅读次数：
219
