《scikit-learn (sklearn) 官方文档中文版》pdf电子书免费下载
下载方式一：
百度网盘下载地址：https://pan.baidu.com/s/15iYa_8lAgcET003enMQDmQ
百度网盘密码：1111
下载方式二：
http://ziliaoshare.cn/Download/af_124219_pd_scikit-learn(sklearn)GFWDZWB.zip
|
|
作者：empty 页数：510 出版社：empty |
《scikit-learn (sklearn) 官方文档中文版》介绍
scikit-learn(sk learn) 官方文档中文版
1.监督学习1.1.广义线性模型本章主要讲述一些用于回归的方法，其中目标值y是输入变量x的线性组合，数学概念表示为：如果y是预测值，那么有：y(w， z) =wo+w1T 1+.+Wpp在整个模块中， 我们定义向量w=(w 1， 5， wp) 作为coef_， 定义w 0作为intercept_。如果需要使用广义线性模型进行分类， 请参阅logs tic回归.
1.1.1.普通最小二乘法Linear Regression拟合一个带有系数Ｔ=(W 1.Wp) 的线性模型， 使得数据集实际观测数据和预测数据(估计值)之间的残差平方和最小。其数学表达式为：min ll Xw-yll’Linear Regression会调用fit方法来拟合数组X， y， 并且将线性模型的系数w存储在其成员变量coef中：>>>from sk learn import linear_model>>>reg=linear_model.Linear Regression()>>>reg.fit([[6， 0] ， [1， 1] ， [2， 2] ] ， [0， 1， 2] )Linear Regression(copy_X=True， fit_intercept=True， n_jobs=1， normalize=False)>>>reg.coef_array([e.5，0.5])然而，对于普通最小二乘的系数估计问题，其依赖于模型各项的相互独立性。当各项是相关的，且设计矩阵X的各列近似线性相关，那么，设计矩阵会趋向于奇异矩阵，这种特性导致最小二乘估计对于随机误差非常敏感，可能产生很大的方差。例如，在没有实验设计的情况下收集到的数据，这种多重共线性(multicollinearity) 的情况可能真的会出现。
1.1.1.1.普通最小二乘法的复杂度示例：线性回归示例
该方法使用X的奇异值分解来计算最小二乘解。如果X是一个形状为(n_samples，n_features) 的矩阵， 设n samples≥nr eatures， 则该方法的复杂度为O(n samples n/ear ures)1.1.2.岭回归Ridge回归通过对系数的大小施加惩罚来解决普通最小二乘法的一些问题。岭系数最小化的是带罚项的残差平方和，min lXw-yll+a||w其中，α2U是控制系数收缩量的复杂性参数：xx的值越大，收缩量越大，模型对共线性的鲁棒性也更强。与其他线性模型一样， Ridge用fit方法完成拟合， 并将模型系数w存储在其>>>from sk learn import linear model>>>reg=linear_model.Ridge(alpha=.5)>>>reg.fit([[6， 0] ， [e， 8] ，[1，1]]，[0，.1，1])Ridge(alpha=B.5， copy_X=True， fit_intercept=True， max_iter=None，normalize=False， random_state=None， solver='auto'， to l=0.001)array([0.34545455， 0.34545455] )这种方法与普通最小二乘法的复杂度是相同的.1.1.2.2.设置正则化参数：广义交叉验证Ridge cv通过内置的关于的alpha参数的交叉验证来实现岭回归。该对象与Grid Search CV的使用方法相同， 只是它默认为Generalized Cross-Validation(广义交叉验证GCV) ， 这是一种有效的留一验证方法(LOO-CV) ：>>>from sk learn import linear_model>s>reg=linear_model.Ridge CV(alphas=[0.1， 1.0， 10.0]>s>reg.fit([[e， e] ， [0， 8] ， [1， 1] ] ， [8， .1， 1] )Ridge CV(alphas=[0.1， 1.0， 10.0] ， cv=None， fit_intercept=True， scoring=N指定cv属性的值将触发(通过Grid Search CV的] 交叉验证。例如， cv=10将触发10折的交叉验证， 而不是广义交叉验证(GCV) 。