趋近智

所有课程

Scikit-Learn 快速上手

章节 1: Scikit-learn 介绍与环境配置

Scikit-learn 是什么？

安装与环境设置

Scikit-learn API 概述

Scikit-learn 中的数据表示

加载示例数据集

动手实践：安装验证

第 1 章测验

章节 2: 监督学习：回归

回归问题简介

线性回归基本原理

使用Scikit-learn实现线性回归

解释模型系数

回归评估指标

Scikit-learn 中的指标计算

动手实践：构建回归模型

第 2 章测验

章节 3: 监督学习：分类

分类问题介绍

逻辑回归用于分类

K-近邻算法 (KNN)

在 Scikit-learn 中实现 KNN

支持向量机 (SVM) 基本原理

使用Scikit-learn实现SVM

分类评估指标

在 Scikit-learn 中计算指标

实践操作：构建分类模型

第 3 章测验

章节 4: 数据预处理与特征工程

数据预处理的重要性

特征缩放技术

在Scikit-learn中应用缩放器

分类特征编码

在Scikit-learn中应用编码器

处理缺失值

在Scikit-learn中使用填充器

动手实践：数据预处理

第 4 章测验

章节 5: 模型选择与评估

过拟合与欠拟合问题

数据划分：训练集与测试集

交叉验证简介

实现K折交叉验证

分层K折用于分类

网格搜索用于超参数调整

动手实践：模型评估与选择

第 5 章测验

章节 6: 构建管道

使用管道的理由

创建简单管道

访问流水线步骤

使用管道结合交叉验证

使用管道进行网格搜索

使用 ColumnTransformer 构建复杂管道

实战：流水线的构建与调优

第 6 章测验

Quiz for Scikit-learn 介绍与环境配置 | ApX Machine Learning

测验

章节： Scikit-learn 介绍与环境配置

测试您对本章概念的理解并进行练习

测验说明

此测验包含 10 道问题来帮助您练习。
您需要至少获得 70% 的分数才能通过。
尝试次数：无限制。
将保留您的最高分数。
请在没有帮助的情况下尝试此测验；但是，如果需要，您可以随时参考章节笔记或使用代码解释器。
完成所有章节测验即可获得课程完成证书。了解更多

问题格式

问题设计得引人入胜，侧重于理解、应用和解释，而不是死记硬背。期待基于场景的问题，测试您应用所学知识的能力。

尝试记录

最佳分数和测验尝试将显示在这里。

© 2025 趋近智