sklearn源码分析_sklearn源码怎么看

文章目录：

• 1、python sklearn 怎样用
• 2、python sklearn主成分分析法 各个特征向量是啥意思
• 3、scikit-learn学习机器学习怎么样

python sklearn 怎样用

SVM既可以用来分类，就是SVC；又可以用来预测，或者成为回归，就是SVR。sklearn中的svm模块中也集成了SVR类。

我们也使用一个小例子说明SVR怎么用。

X = [[0, 0], [1, 1]] y = [0.5, 1.5] clf = svm.SVR() clf.fit(X, y) result = clf.predict([2, 2]) print result

python sklearn主成分分析法 各个特征向量是啥意思

主成分分析（PCA）是一种基于变量协方差矩阵对数据进行压缩降维、去噪的有效方法。

PCA的思想是将n维特征映射到k维上（kn），这k维特征称为主元，是旧特征的线性组合，这些线性组合最大化样本方差，尽量使新的k个特征互不相关。

scikit-learn学习机器学习怎么样

有现成的算法已经实现好了，但是应该先了解每个算法的原理，再使用得心应手，也能针对特定问题调整一些参数

先把算法理论原理掌握后，然后自己能够手写出来，跑通，然后使用现成的sklearn库，也可以查看sklearn源码，与自己的实现做对比，相信这样理解会更加深刻