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
网格搜索用于超参数调整
这部分内容有帮助吗？
- sklearn.model_selection.GridSearchCV, scikit-learn developers, 2023 - Scikit-learn GridSearchCV 的官方文档，提供了详细的 API 规范、参数和超参数调整的使用示例。
- Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems, Aurélien Géron, 2023 (O'Reilly Media) - 一本实用的指南，涵盖了机器学习概念，包括使用 Scikit-learn 的 GridSearchCV 进行超参数调整，并提供代码示例和解释。
- The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Trevor Hastie, Robert Tibshirani, and Jerome Friedman, 2009 (Springer) DOI: 10.1007/978-0-387-84858-7 - 一本基础教科书，为各种机器学习方法（包括模型选择、交叉验证和超参数考量）提供了严谨的统计和理论背景。
- Random Search for Hyper-Parameter Optimization, James Bergstra and Yoshua Bengio, 2012 Journal of Machine Learning Research, Vol. 13 - 一篇开创性论文，表明随机搜索在超参数优化方面通常比网格搜索更有效，为网格搜索的局限性提供了背景，并介绍了一个重要的替代方案。
© 2025 ApX Machine Learning用心打造