Laboratorios de Práctica de Sklearn
Principiante
Este curso contiene muchos laboratorios para Sklearn. Cada laboratorio es un pequeño proyecto de Sklearn con orientación detallada y soluciones. Puedes practicar tus habilidades en Sklearn completando estos laboratorios, mejorar tus habilidades de codificación y aprender a escribir código limpio y eficiente.
sklearnpythondata-science
💡 Este tutorial está traducido por IA desde la versión en inglés. Para ver la versión original, puedes hacer clic aquí
- Introducción
- Programa
Comparación de clasificadores de Scikit-Learn
Clasificación de documentos de texto
Discretización de Características para la Clasificación
Tuberías y Estimadores Compuestos
Escalado de Características en el Aprendizaje Automático
Construyendo tuberías en Scikit-Learn
Iterative Imputer de Scikit-Learn
Aprendizaje de variedades en dígitos manuscritos
Clasificación de dígitos con características de RBM
Column Transformer con Tipos Mixtos
Usando la API set_output
Clasificación de texto semi-supervisada
Comparación de la Calibración de Clasificadores
Curva de compensación de errores de detección
Reducción de dimensionalidad con Pipeline y GridSearchCV
Curvas de Calibración de Probabilidad
Comparación de algoritmos de detección de anomalías
Métrica Precision-Recall para la Clasificación Desequilibrada
Selección de Características Univariadas
Selección de características para SVC en el conjunto de datos Iris
Vecinos más cercanos aproximados en TSNE
Crear visualizaciones con objetos de visualización
Transformando el objetivo para la regresión lineal
Gradient Boosting con Características Categóricas
Construyendo tuberías de aprendizaje automático con Scikit-Learn
Reconocimiento facial con eigenfaces y SVMs
Concatenar múltiples métodos de extracción de características
Razones de verosimilitud de clase para medir el rendimiento de la clasificación
Graficar PCR vs PLS
Algoritmos de clasificación multicategoría y multi-salida
Imputar Datos Faltantes
Regresión logística multinomial MNIST
Detección de valores atípicos utilizando algoritmos de Scikit-Learn
Evaluación de ROC Multiclase con Scikit-Learn
Extracción y evaluación de características de texto
Transformaciones de características con conjuntos de árboles
Regularización del Perceptrón Multicapa
Agrupamiento K-Means en Dígitos Manuscritos
Aproximación del kernel polinomial con Scikit-Learn
API de visualización de Scikit-Learn
Clasificación de flores de iris utilizando el clasificador de votación
Graficar la clasificación Nca
Gráfico de la tubería de dígitos
Estimadores y tuberías de Scikit-Learn
Equilibrar la complejidad del modelo y la puntuación validada cruzada
Efecto del umbral variable en el autoentrenamiento
Clasificación de documentos con múltiples etiquetas
Clasificación de texto utilizando aprendizaje fuera de núcleo
Comparando regresores bayesianos lineales
Selección del modelo Lasso
Selección de modelo para la regresión Lasso
Eliminación recursiva de características con validación cruzada
Selección de Características con Scikit-Learn
Algoritmo de Clustering DBSCAN
Agrupamiento Biciclístico de Documentos Utilizando el Algoritmo de Coagrupamiento Espectral
Exploración de métodos de ensamble con Scikit-Learn
Árboles de decisión potenciados con AdaBoost para múltiples clases
Trazar curvas de aprendizaje
Transformación de datos categóricos usando TargetEncoder
Sous-ajustement et sur-ajustement
Clasificación con árbol de decisión simple de AdaBoost
Graficando predicciones con validación cruzada
Ajuste de estimador lineal robusto
Evaluando la calidad del modelo de aprendizaje automático
Almacenamiento en caché de los vecinos más cercanos
Optimizar los hiperparámetros del modelo con GridSearchCV
Estimaciones out-of-bag del Gradient Boosting
Deshacerse del ruido en imágenes con Kernel PCA
Transformación de Características por Hashing
Graficar la probabilidad de clasificación
Calibración de Probabilidades para la Clasificación de Tres Clases
Importancia de las características con el bosque aleatorio
AdaBoost Discreto vs Real
Estimación de Densidad Kernel
Parada temprana del Descenso de Gradiente Estocástico
Graficar Sgdocsvm vs Ocsvm
Regresión Logística Esparsa Multiclase
Iteraciones por mitades sucesivas
Clasificar dígitos manuscritos con MLP Classifier
Cuantización de Colores Utilizando K-Means
Selección de características basada en modelos y selección secuencial
Discretizar características continuas con KBinsDiscretizer
Eliminación recursiva de características
Predicción de diabetes utilizando Voting Regressor
Graficar Bosque Iris
Agrupamiento jerárquico con restricciones de conectividad
Optimización de hiperparámetros: Búsqueda aleatorizada vs Búsqueda en cuadrícula
Curvas de validación: trazar puntuaciones para evaluar modelos
Podado de árboles de decisión posterior
Regresión Ridge para Modelado Lineal
Comparación de solvers en línea para la clasificación de dígitos manuscritos
Análisis del árbol de decisión
Probabilidades de clase con VotingClassifier
Comparación de Bosque Aleatorio y Gradiente de Histograma con Mejora
Análisis de Clustering con el Método Silueta
Trazar la regresión logística multinomial y one-vs-rest
Comparando K-Means y MiniBatchKMeans
Algoritmo de Biclustering Espectral
Algoritmo de Co-Clustering Espectral
Importancia de las Características por Permutación
Árboles de Decisión en el Conjunto de Datos Iris
Validación cruzada anidada para la selección de modelos
Puntuación de Prueba de Permutación para la Clasificación
Escalado del parámetro de regularización para SVMs
Graficando curvas de validación
Ajuste de Hiperparámetros de un Estimador
Clasificación de Dígitos utilizando Scikit-Learn
Revelando la estructura del conjunto de datos Iris a través del Análisis Factorial
Gráfico de extracción de temas con NMF y LDA
Métodos de inicialización del Modelo de Mezcla Gaussiana
Dependencia Parcial y Expectativa Condicional Individual
ROC con Validación Cruzada
Regresión isotónica no paramétrica con Scikit-Learn
Regresión de Señales Dispersas con Modelos Basados en L1
Regresión de mínimos cuadrados no negativos
Regresión cuantílica con Scikit-Learn
Detección de valores atípicos en datos de vinos
Explorando los supuestos del agrupamiento k - means
Explorando el lema de Johnson-Lindenstrauss con proyecciones aleatorias
Análisis de Componentes Principales con PCA Kernel
Análisis del conjunto de datos de dígitos
Graficar la Búsqueda en Cuadrícula de Dígitos
Detección de anomalías con Isolation Forest
Comparar GPR y KRR en un Gráfico
Scikit-Learn MLPClassifier: Estrategias de Aprendizaje Estocástico
Análisis Discriminante Lineal para la Clasificación
Graficar la regresión de Ridge Kernel
Graficar la regresión de bosque aleatorio con salida múltiple
Comparación entre Búsqueda en Cuadrícula y Mitosis Sucesiva
Graficar la selección de modelos PCA vs FA
Modelado de la Distribución de Especies
Escalado y Transformación de Datos
Demostración de las estrategias de KBinsDiscretizer
Comparación de FeatureHasher y DictVectorizer
Precomputar la matriz de Gram para ElasticNet
Graficar Huber vs Ridge
Regresión Lasso de Scikit-Learn
Recuperación de señal esparsa con Orthogonal Matching Pursuit
Graficar el hiperplano de separación con SGD
Regresión logística paso a paso
Evaluación empírica de la inicialización de K-Means
Análisis de Componentes Vecinos
Estimación de densidad de núcleo de las distribuciones de especies
Agrupamiento por Propagación de Afinidad
Dendrograma de agrupamiento jerárquico
Comparando BIRCH y MiniBatchKMeans
Comparación de rendimiento entre Bisecting K-Means y K-Means regular
Comparando algoritmos de agrupamiento
Demostración del algoritmo de agrupamiento HDBSCAN
Algoritmo de Agrupamiento Mean-Shift
Clustering no supervisado con K-Means
Estimación de error OOB en bosque aleatorio
Importancias de píxeles con bosque aleatorio paralelo de árboles
Segmentación de imágenes con agrupamiento jerárquico
Graficar Parches de Rostros del Diccionario
Procesos Gaussianos en Estructuras de Datos Discretos
Agrupamiento Espectral para la Segmentación de Imágenes
Desempate en el modelo de SVM
Gráfico de GPR Co2
Regresión de árboles de decisión potenciados
Descomposición de sesgo-varianza con Bagging
Modelo de regresión Elastic-Net de Scikit-Learn
Graficar el agrupamiento jerárquico
Mapear datos a una distribución normal
Validación cruzada con modelos lineales
SVM: Hiperplano Separador de Márgen Máximo
SVM para clases desequilibradas
Técnicas de Preprocesamiento en Scikit-Learn
Métricas de agrupamiento jerárquico
Clasificador de regresión logística en el conjunto de datos Iris
Clasificador SGD de múltiples clases de Scikit-Learn
Análisis de Componentes Principales Incremental en el Conjunto de Datos Iris
Estimación de covarianza inversa espacial
Clasificación por centroides cercanos
Predicciones probabilísticas con Clasificación por Procesos Gaussianos
Restricciones monotónicas en el Gradient Boosting
Matriz de confusión de Scikit-Learn
Reconocimiento de dígitos manuscritos
Regularización de Gradient Boosting
Aprendizaje de Propagación de Etiquetas
Algoritmos de Aprendizaje Semi-Supervisado
Técnicas de regresión de datos no lineales
Predicción del Precio del Bitcoin
Estimación de covarianza por encogimiento
Visualizar datos de alta dimensión con MDS
Covarianzas del Modelo Mixto de Gaussianas
Selección de Modelos de Mezcla Gaussiana
Clasificadores Semi-Supervisados en el Conjunto de Datos Iris
Aproximación explícita del mapa de características para kernels RBF
Graficar PCA vs LDA
Aprendizaje de variedades en datos esféricos
Descomposiciones del Conjunto de Datos de Caras
Gráficos de conjuntos de datos de clasificación aleatorios
Generación de conjuntos de datos de múltiples etiquetas con Scikit-Learn
Reducción de dimensionalidad en Swiss Roll y Swiss-Hole
Scikit-Learn Libsvm GUI
Cuantización vectorial con KBinsDiscretizer
Agrupamiento jerárquico con Scikit-Learn
Transformando el objetivo de predicción
Aglomeración de Características para Datos de Alta Dimensión
Extracción de características con Scikit-Learn
Comparación de la Prueba F y la Información Mutua
Ajuste de curvas con regresión de Ridge bayesiana
Lasso y Elastic Net
Modelo de Regresión Logística
Selección conjunta de características con Lasso multitarea
Aplicando Técnicas de Regularización con SGD
Regresión de Theil-Sen con Python Scikit-Learn
Reconstrucción de imágenes por detección por compresión
Regresión de árbol de decisión
Regresión de árbol de decisión multi-salida
Estimación de densidad de núcleo simple en una dimensión
Factor de Atípico Local para la Detección de Novedades
Detección de valores atípicos con LOF
Estimación de densidad utilizando densidad con núcleo
Explorando el agrupamiento K-Means con Python
Agrupamiento jerárquico ascendente en el conjunto de datos de dígitos
Algoritmo de Clustering OPTICS
Biclustering en Scikit-Learn
Trayectoria de regularización de la regresión logística L1
Regresión de Vectores de Soporte
Agrupamiento basado en centroides
Modelos de Red Neuronal
Clasificación por Procesos Gausianos en el Conjunto de Datos Iris
Clasificación con Procesos Gaussianos
Clasificación de procesos gaussianos en el conjunto de datos XOR
Modelado predictivo no lineal usando Procesos Gaussianos
Ajustar el modelo de regresión con procesos gaussianos
Regresión de Procesos Gaussianos: Kernels
Clustering Espectral y Otros Métodos de Clustering
Técnicas de Reconocimiento de Patrones No Lineales
Selecciona modelos rápidamente con validación cruzada
Validación cruzada en el conjunto de datos de dígitos
Early Stopping de Gradient Boosting
Validación cruzada en aprendizaje automático con Python
Ejemplo de regresión lineal
Métricas y Kernels entre Pares en Scikit-Learn
Comparar métodos de descomposición cruzada
Clasificación de vecinos más cercanos
Clasificación SVM con Kernel Personalizado
Clasificador SVM en el Conjunto de Datos Iris
Imputación de Valores Faltantes
Clasificación de árboles de decisión con Python
Técnicas de Aproximación de Kernel en Scikit-Learn
Clasificación Probabilística con Bayesiano Ingenuo
Separación de fuentes ocultas
Análisis de Componentes Independientes con FastICA y PCA
Clasificación de Flores Iris con Scikit-learn
Análisis de Componentes Principales
Codificación esparsa con diccionario precomputado
Wikipedia PageRank con SVD aleatorizado
Descomponiendo Señales en Componentes
Comparación de estimadores de covarianza
Relevancia de la estimación robusta de covarianza y las distancias de Mahalanobis
Estimación de covarianza robusta en Python
Estimación de la Matriz de Covarianza con Scikit-Learn
Aprendizaje de variedades con Scikit-Learn
Algoritmos de clasificación de Análisis Discriminante
Graficar la prioridad de concentración
Modelos Mixto Gaussiano
Regresión no lineal con isotonia
Aprendizaje activo con propagación de etiquetas
Método Bagging y Boosting
Exploración del agrupamiento jerárquico para la agrupación
Guía de TensorFlow
Red neuronal superficial implementada con TensorFlow 2
Guardado y restauración de modelos de TensorFlow 2
Entrenar la red neuronal de reconocimiento de dígitos manuscritos
Cálculo del coeficiente de regresión ridge
Fundamentos de la regresión lineal
Clasificación de Regresión Logística con Scikit-Learn
Predicción de los precios de las viviendas en Pekín
Agrupamiento basado en densidad
Compresión de imágenes utilizando Mini Batch K Means
Aplicación de la agrupación basada en densidad
Algoritmo de los k Vecinos Más Cercanos
Regresión Ridge y Regresión Lasso
Clasificación del conjunto de datos de evaluación de seguridad de automóvil
Perceptrón y Red Neuronal Artificial
Profesor
Labby
Labby is the LabEx teacher.
Compartir en Google Classroom
Únete a Nuestro Discord y Aprende Juntos
Únete AhoraReseñas de Usuarios
" I really like the work you are doing! I've been using this page since only yestarday and it's been very helpful to refresh my memory and also learn some new things. Very good explanations and examples! Thanks for your work! "
— Pedro Charalamby
" Cheers to the team who came up with this platform . It's great indeed!"
— Tsungirirai Machingura
Recomendado Para Ti
