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
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
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
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
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
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
处理缺失值
这部分内容有帮助吗？
- Imputation of missing values, scikit-learn developers, 2023 - Scikit-learn 缺失值填充模块的官方文档，涵盖了
SimpleImputer以及KNNImputer和IterativeImputer等更高级的方法。 - Working with missing data, The pandas development team, 2023 - Pandas DataFrame 中处理缺失数据的官方文档，包括缺失值的识别和基本操作。
- Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems, Aurélien Géron, 2022 (O'Reilly Media) - 一本实用的机器学习指南，全面介绍了数据预处理技术，例如使用 Scikit-learn 管理缺失值。