Library Search
结果页Scikit-learn 机器学习入门实战
在 知识库 中找到 8 个匹配结果。
知识库
知识库
8 个 Scikit-learn 机器学习入门实战 # Scikit-learn 机器学习入门实战
## 背景
Scikit-learn 提供了「瑞士军刀」式的机器学习工具箱。无论你是做表格数据的分类、用户分群还是异常检测，掌握它能让你在几分钟内完成从数据处理到模型评估的完整流程。
---
## 第 1 章：理解 API 设计哲学
Scikit-learn 所有模型遵循统一接口：
| 模式 | 伪代码 |
|------|-------… 3% Hello World — 鸢尾花分类 # Scikit-learn Hello World：鸢尾花分类
## 目标
使用经典的 Iris 数据集，训练一个随机森林分类器并评估准确率。这是 scikit-learn 最经典的入门示例。
## 完整代码
```python
from sklearn.datasets import load_iris
from sklearn.model_selection import train_… 3% 01-从零入门教程 NumPy 的定位
```
Python 科学计算栈层级：
应用层: scikit-learn | TensorFlow/PyTorch | SciPy
↓ ↓ ↓
中间层: Pandas | NumPy (ndarray) | Matplotlib
↓… 3% autolog 一行自动追踪 + 对比实验 启动 MLflow UI
pip install mlflow xgboost scikit-learn
mlflow ui --port 5000
# 终端 2: 运行实验
python mlflow_autolog.py
```
打开 http://localhost:5000 即可看到 3 个实验对比。
## 预期输出
```
✓ {'n_estimators': 50, 'max_… 2% 02-进阶实战-迁移学习与部署 # PyTorch 进阶实战 —— 迁移学习、混合精度与模型部署
## 本章目标
- 使用预训练模型进行迁移学习（Fine-tuning）
- 掌握混合精度训练（AMP）加速
- 模型导出：TorchScript → ONNX
- 模型量化与推理优化
## 1. 迁移学习（Fine-tuning）
### 1.1 使用 torchvision 预训练模型
```python
import… 2% 鸢尾花分类：训练 + 交叉验证 + 特征重要性 `
## 运行步骤
```bash
pip install xgboost scikit-learn matplotlib
python xgboost_iris.py
```
## 预期输出
```
测试准确率: 0.9667
分类报告:
precision recall f1-score support
setosa 1… 2% 02-进阶实战-测试-安全-部署 # Django 进阶实战 —— 测试、安全与部署
## 本章目标
- 编写单元测试与集成测试
- 理解 Django 安全机制与最佳实践
- 使用 PostgreSQL + Gunicorn + Nginx 生产部署
- 掌握 Django 性能优化技巧
## 1. 测试体系
### 1.1 单元测试
```python
# blog/tests/test_models.py
from… 2% 原生类别特征 + early stopping 分类实战 步骤
```bash
pip install lightgbm pandas scikit-learn
python lgb_categorical.py
```
## 预期输出 2%