-
（9）根本没有“JSON对象”这回事！
（9）根本没有“JSON对象”这回事！ 前言 正文 _12序列化与反序列化 _18字面量 JSONJSON_26何时是JSON，何时不是JSON？ _41放到上下文里来看 JSON_49真正的JSON对象 _70更多资料 （9）根本没有“JSON对象”这回事！ 前言 写这篇文章的目的是经常看到开发人员说：把字符串转化为JSON对象，把... -
二、数据准备
二、数据准备 从字典加载特征 加载 scikit-learn 的波士顿住房数据集 加载波士顿住房数据集 加载 scikit-learn 的数字数据集 加载 scikit-learn 的鸢尾花数据集 为分类制作模拟数据 为矩阵生成模拟数据 为回归制作模拟数据 Scikit 中的感知机 保存机器学习模型 二、数据准备 作者：Chris ... -
十六、朴素贝叶斯
十六、朴素贝叶斯 伯努利朴素贝叶斯 校准预测概率 高斯朴素贝叶斯分类器 多项式逻辑回归 多项式朴素贝叶斯分类器 从零编写朴素贝叶斯分类器 十六、朴素贝叶斯 作者：Chris Albon 译者：飞龙 协议：CC BY-NC-SA 4.0 伯努利朴素贝叶斯 伯努利朴素贝叶斯分类器假设我们的所有特征都是二元的，它们仅有两个值（例... -
十二、逻辑回归
十二、逻辑回归 C 超参数快速调优 在逻辑回归中处理不平衡类别 逻辑回归 大量数据上的逻辑回归 带有 L1 正则化的逻辑回归 OVR 逻辑回归 十二、逻辑回归 作者：Chris Albon 译者：飞龙 协议：CC BY-NC-SA 4.0 C 超参数快速调优 有时，学习算法的特征使我们能够比蛮力或随机模型搜索方法更快地搜索... -
十四、K 最近邻
十四、K 最近邻 确定 K 的最佳值 KNN 分类 注 基于半径的 KNN 分类器 十四、K 最近邻 作者：Chris Albon 译者：飞龙 协议：CC BY-NC-SA 4.0 确定 K 的最佳值 # 加载库 from sklearn . neighbors import KNeighborsClassif... -
三、数据预处理
三、数据预处理 为 Scikit-Learn 转换 Pandas 类别数据 删除带缺失值的观测 删除缺失值 检测离群点 离散化特征 编码序数类别特征 创建比例映射 使用下采样处理不平衡类 使用上采样处理不平衡类别 处理离群点 选择 1：丢弃 选择 2：标记 选择 3：重缩放 使用均值填充缺失值 拟合填充器 填充缺失的类标签 ... -
十七、聚类
十七、聚类 凝聚聚类 DBSCAN 聚类 评估聚类 均值移动聚类 小批量 KMeans 聚类 KMeans 聚类 十七、聚类 作者：Chris Albon 译者：飞龙 协议：CC BY-NC-SA 4.0 凝聚聚类 # 加载库 from sklearn import datasets from skle... -
十、模型选择
十、模型选择 在模型选择期间寻找最佳预处理步骤 使用网格搜索的超参数调优 使用随机搜索的超参数调优 使用网格搜索的模型选择 带有参数选项的流水线 十、模型选择 作者：Chris Albon 译者：飞龙 协议：CC BY-NC-SA 4.0 在模型选择期间寻找最佳预处理步骤 在进行模型选择时，我们必须小心正确处理预处理。 首先... -
七、特征工程
七、特征工程 稀疏特征矩阵上的降维 核 PCA 降维 使用 PCA 的降维 PCA 特征提取 使用 KMeans 聚类对观测分组 为 LDA 选择最佳数量的成分 为 TSVD 选择最佳数量的成分 将 LDA 用于降维 七、特征工程 作者：Chris Albon 译者：飞龙 协议：CC BY-NC-SA 4.0 稀疏特征... -
八、特征选择
八、特征选择 用于特征选取的 ANOVA F 值 用于特征选择的卡方 丢弃高度相关的特征 递归特征消除 方差阈值二元特征 用于特征选择的方差阈值 八、特征选择 作者：Chris Albon 译者：飞龙 协议：CC BY-NC-SA 4.0 用于特征选取的 ANOVA F 值 如果特征是类别的，计算每个特征与目标向量之间的卡...
