원문: User Guide

사용자 안내

1. 지도 학습

1.1. 선형 모델

1.2. 선형과 이차 판별 분석

1.3. 커널 릿지 회귀

1.4. 서포트 벡터 머신

1.5. 확률적 경사 하강

1.6. 최근접 이웃

1.7. 가우시안 과정

1.8. 교차 분해

1.9. 나이브 베이즈

1.10. 의사결정나무

1.11. 앙상블 방식

1.12. 다중클래스와 다중출력 알고리즘

1.13. 특성 선택

1.14. 준지도 학습

1.15. 등위 회귀

1.16. 확률 교정

1.17. 신경망 모델(지도)

2. 비지도 학습

2.1. 가우시안 혼합 모델

2.2. 매니폴드 학습

2.3. 군집화

2.4. 이중군집화

2.5. 성분 신호 분해(행렬 분해 문제)

2.6. 공분산 추정

2.7. 특이값과 이상값 탐지

2.8. 밀도 추정

2.9. 신경망 모델(비지도)

3. 모델 선택과 평가

3.1. 교차 검증: 추정기 성능 평가

3.2. 추정기 초매개변수 조정

3.3. 측정과 채점: 예측 품질 수량화

3.4. 검증 곡선: 모델 평가를 위한 점수 플로팅

4. 검사

4.1. 부분 의존도와 개별 조건부 기대치 플롯

4.2. 순열 특성 중요도

5. 시각화

5.1. 사용 가능한 플로팅 유틸리티

6. 데이터셋 변환

6.1. 파이프라인과 복합 추정기

6.2. 특성 추출

6.3. 데이터 전처리

6.4. 결측값 대체

6.5. 비지도 차원 축소

6.6. 무작위 투영

6.7. 커널 근사

6.8. 쌍별 측정, 근연성 그리고 커널

6.9. 예측 목표(y) 변환하기

7. 데이터셋 불러오기 유틸리티

7.1. 장난감 데이터셋

7.2. 현실 세계 데이터셋

7.3. 생성된 데이터셋

7.4. 다른 데이터셋 불러오기

8. 사이킷런으로 계산하기

8.1. 계산적으로 스케일링하기 위한 전략: 더 큰 데이터

8.2. 계산 성능

8.3. 병렬성, 자원 관리, 그리고 설정

9. 모델 영속성

9.1. 파이썬 특이적 직렬화

9.2. 상호 운용 가능한 형식

10. 일반적인 함정과 추천 사례

10.1. 일관성 없는 전처리

10.2. 데이터 누수

10.3. 무작위성 제어하기

11. 특보

11.1. (실험적인) 어레이 API 지원