sklearn 算法

1. classification 分类
2. regression 回归
3. clustering 聚类
4. dimensionality reduction 降维

其他
5. model selection 模型选择
6. preprocessing 数据处理

一、分类 classification

• SVR 支持向量机
• nearest neighbors 最近临
• random forest 随机森林
  应用：垃圾邮件分类，图像识别

二、回归 regression

• SVR 支持向量机
• ridge regression 岭回归
• Lasso
  应用：药物反应，预测股价

三、聚类 clustering

• k-Means
• spectral clustering
• mean-shift
  应用：客户细分，分组实验结果

四、降维 dimensionality reduction

• PCA 主成分分析
• feature selection 特征选择
• non-negative matrix factorization 非负矩阵分解

应用：可视化，提高效率

五、模型选择 model selection

六、 数据处理

参考：

• https://zhuanlan.zhihu.com/p/58868995

sklearn 算法

原文：https://www.cnblogs.com/sunny1901/p/14289080.html