scikit-learn

分类

识别对象所属的类别。

应用场景： 垃圾邮件检测、图像识别。

算法： 梯度提升 (Gradient boosting)、最近邻 (Nearest neighbors)、随机森林 (Random forest)、逻辑回归 (Logistic regression) 以及 更多...

示例

回归

预测与对象关联的连续值属性。

应用场景： 药物反应、股票价格。

算法： 梯度提升 (Gradient boosting)、最近邻 (Nearest neighbors)、随机森林 (Random forest)、岭回归 (Ridge) 以及 更多...

示例

聚类

自动将相似对象分组到不同集合中。

应用场景： 客户细分、实验结果分组。

算法： k-Means、HDBSCAN、层次聚类 (Hierarchical clustering) 以及 更多...

示例

降维

减少需要考虑的随机变量数量。

应用场景： 可视化、提高效率。

算法： PCA、特征选择 (Feature selection)、非负矩阵分解 (NMF) 以及 更多...

示例

模型选择

比较、验证并选择参数和模型。

应用场景： 通过参数调优提高精度。

算法： 网格搜索 (Grid search)、交叉验证 (Cross validation)、指标 (Metrics) 以及 更多...

示例

预处理

特征提取与归一化。

应用场景： 转换输入数据（如文本），以便与机器学习算法配合使用。

算法： 预处理 (Preprocessing)、特征提取 (Feature extraction) 以及 更多...

示例