趋近智
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
支持向量机 (SVM) 基本原理
这部分内容有帮助吗？
- Support-vector networks, Corinna Cortes and Vladimir Vapnik, 1995 Machine Learning, Vol. 20 DOI: 10.1007/BF00994018 - 这篇原始论文介绍了支持向量机，阐述了最大间隔超平面和核心理论框架。
- The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Trevor Hastie, Robert Tibshirani, Jerome Friedman, 2009 (Springer) - 这是一本权威教科书，其中有一章专门介绍支持向量机，详细解释了最大间隔分类器和核方法。
- 1.4. Support Vector Machines, Scikit-learn developers, 2023 - Scikit-learn中支持向量机的官方用户指南，提供了实现细节和不同核函数选择的实用信息。
- CS229 Lecture Notes: Support Vector Machines, Andrew Ng, 2018 - 来自知名大学课程的综合讲义，提供了支持向量机概念的清晰推导和解释，包括最大间隔分类器和核函数。
© 2025 ApX Machine Learning用心打造