《Scikit-Learn與TensorFlow機器學習實用指南》第3章 分類

《Scikit-Learn與TensorFlow機器學習實用指南》第3章 分類

來自專欄 信數據得永生

來源:ApacheCN《Sklearn 與 TensorFlow 機器學習實用指南》翻譯項目

譯者:@時間魔術師

校對:@Lisanaaa @飛龍

在第一章我們提到過最常用的監督學習任務是回歸(用於預測某個值)和分類(預測某個類別)。在第二章我們探索了一個回歸任務:預測房價。我們使用了多種演算法,諸如線性回歸,決策樹,和隨機森林(這個將會在後面的章節更詳細地討論)。現在我們將我們的注意力轉到分類任務上。

閱讀全文?

github.com圖標
推薦閱讀:

【用Sklearn進行機器學習】第三篇 - 深入監督學習:支持向量機
數據預處理之將類別數據數字化的方法—— LabelEncoder VS OneHotEncoder
sklearn:Python語言開發的通用機器學習庫
scikit-learn中如何保存模型?
sklearn預測新文本(unseen new data),而不是train_test_split分割出來的測試集:解決方案

TAG:Python | 機器學習 | sklearn |