ユーザーガイド
https://scikit-learn.org/stable/user_guide.html
1.教師あり学習（教師あり学習）
1.1一般化線形モデル（一般化線形モデル）
1.2。線形及び（二次線形判別および分析のための）二次判別分析
1.3。カーネルリッジ回帰（カーネルリッジ回帰）
1.4。SVM（サポートベクターマシン）
1.5。確率的勾配降下法（確率的勾配法）
1.6。最寄りのKNN（最近傍）
1.7。ガウス過程（ガウス過程）
1.8。クロス（十字分解を）爆発
1.9（ナイーブベイズ上）。ナイーブベイズ
1.10。ツリー（決定木）
1.11。全体的なアプローチ-ランダムフォレスト/アダブースト（アンサンブル方法）
。1.12マルチクラスマルチラベルアルゴリズム（マルチクラス及びマルチラベルアルゴリズム）
。1.13特徴選択（機能選択）
。1.14半教師あり学習（半教師）
。1.15等張回帰（等張回帰）
1.16確率校正（キャリブレーション確率）
1.17。ニューラルネットワーク（ニューラルネットワークモデル（監修））
2.教師なし学習（教師なし学習）
2.1ガウス混合モデル（ガウス混合モデル）
2.2。多面学習（マニホールド学習）
2.3。クラスタ化（クラスタリング）
2.4。Biclustering（Biclustering）
2.5。行列因子分解（各部の信号を分解する（行列因子分解問題））
2.6 。共分散推定（共分散推定）
2.7。新規性及び外れ値検出（ノベルティおよび外れ値検出）
2.8。密度推定（密度推定）
2.9。ニューラルネットワーク（神経回路網モデル（教師なし））
3.選択とモデル（モデルの選択と評価）の評価
3.1クロスバリデーション：アセスメント推定性能（クロスバリデーション：推定性能評価）
。3.2に調整推定ハイパーパラメータ（AN見積もりのチューニングザ・ハイパーパラメータ）
3.3モデル評価：量子化された予測品質（モデル評価：定量予測）の品質
。3.4永続化モデル（モデルの永続性）
の検証カーブの3.5：モデル評価スコア（検証カーブを描く：評価するスコアをプロットするモデル）
4.チェック（検査）
依存関係グラフ（部分依存プロット）の4.1部
変換データセット（データセットの変換）
5.1。推定及び複合パイプ（パイプラインおよびコンポジット推定）
5.2。特徴抽出（特徴抽出）
5.3。データ前処理（これらのデータ前処理）
5.4。帰属欠損値（欠損値の代入を）
5.5。教師なし次元削減（教師なし次元削減）
5.6。ランダム投影（ランダム投影）
5.7。カーネルの近似（カーネル近似）
5.8。二十から二小節親和性および核（ペアワイズメトリック,,親和性およびカーネル）
5.9。変換予測されたターゲット（Y）（トランス予測対象（Y））
6.データ読み込みツール（データセットローディングユーティリティ）
6.1一般データAPI（一般のDataSet API）
6.2。仮想データセット（おもちゃのデータセット）
6.3。実世界のデータセット（現実世界のデータセット）
6.4。データセット（データセットを生成）を生成
6.5。追加のデータ・セットをロードします（他のデータセットのロード）
7. scikit-学ぶ计算（scikit学習とコンピューティング）
7.1計算拡張ポリシー：大きいデータ（スケールに戦略、計算上：ビガーデータ）
。（計算性能）を算出7.2性能
。7.3平行、リソース管理、および構成（並列処理、リソース管理、および構成 ）
- 上記、十分に理解して赤の手段がマークされていません。1/2は、学習パスは6への必要性を理解し、使用中の赤色部分4/5、並列研究をマークし、推奨し、その後他、7を参照することはできません。