Tabla de Contenidos

• Bienvenido a scikit-learn
  • Instalación de scikit-learn
  • Preguntas Frecuentes
  • Soporte
  • Proyectos Relacionados
  • Sobre nosotros
  • ¿Quién está utilizando scikit-learn?
  • Histórico de versiones
  • Hoja de ruta
  • La gestión y toma de decisiones en el ámbito de la ciencia
• Tutoriales de scikit-learn
  • Introducción al aprendizaje automático con scikit-learn
  • Un tutorial sobre aprendizaje estadístico para el procesamiento de datos científicos
  • Trabajar con datos de texto
  • Elegir el estimador adecuado
  • Recursos externos, vídeos y charlas
• Iniciando
  • Ajuste y predicción: fundamentos de los estimadores
  • Transformadores y preprocesadores
  • Pipelines: preprocesadores y estimadores de cadenas
  • Evaluación del modelo
  • Búsqueda automática de parámetros
  • Pasos siguientes
• Manual de Usuario
  • 1. Aprendizaje supervisado
  • 2. Aprendizaje no supervisado
  • 3. Selección y evaluación del modelo
  • 4. Inspección
  • 5. Visualizaciones
  • 6. Transformaciones de conjuntos de datos
  • 7. Herramientas de carga de conjuntos de datos
  • 8. Calculando con scikit-learn
  • 9. Persistencia del modelo
  • 10. Fallas comunes y prácticas recomendadas
• Glosario de Términos Comunes y Elementos de la API
  • Conceptos Generales
  • APIs de Clase y Tipos de Estimadores
  • Tipos de Objetivos
  • Métodos
  • Parámetros
  • Atributos
  • Datos y propiedades de la muestra
• Ejemplos
  • Destacados del lanzamiento
  • Biclustering
  • Calibración
  • Clasificación
  • Clustering o aglomeración
  • Estimación de covarianza
  • Descomposición cruzada
  • Ejemplos de conjuntos de datos
  • Árboles de decisión
  • Decomposición
  • Métodos de ensemble
  • Ejemplos basados en conjuntos de datos del mundo real
  • Selección de características
  • Modelos de mezclas gaussianas
  • Proceso Gaussiano para el aprendizaje automático
  • Modelos lineales generalizados
  • Inspección
  • Aproximación de núcleo
  • Aprendizaje múltiple
  • Varios
  • Imputación de valores faltantes
  • Selección de modelo
  • Métodos multisalida
  • Vecino más cercano
  • Redes neuronales
  • Pipelines y estimadores compuestos
  • Preprocesamiento
  • Clasificación semi supervisada
  • Máquinas de vectores de apoyo
  • Ejercicios tutoriales
  • Trabajando con documentos de texto
• Referencia de la API
  • sklearn.base: Clases base y funciones de utilidad
  • sklearn.calibration: Probability Calibration
  • sklearn.cluster: Análisis de Conglomerados
  • sklearn.compose: Estimadores compuestos
  • sklearn.covariance: Estimadores de Covarianza
  • sklearn.cross_decomposition: Cross decomposition
  • sklearn.datasets: Conjuntos de datos
  • sklearn.descomposición: Descomposición matricial
  • sklearn.discriminant_analysis: Análisis Discriminante
  • sklearn.dummy: Estimadores ficticios
  • sklearn.ensemble: Métodos Ensemble
  • sklearn.exceptions: Excepciones y advertencias
  • sklearn.experimental: Experimental
  • sklearn.feature_extraction: Extracción de Características
  • sklearn.feature_selection: Extracción de Características
  • sklearn.gaussian_process: Procesos Gaussianos
  • sklearn.impute: Imputar
  • sklearn.inspection: Inspección
  • sklearn.isotonic: Regresión isotónica
  • sklearn.kernel_aproximation: Aproximación de Kernel
  • sklearn.kernel_ridge: Regresión de Cresta de Núcleo
  • sklearn.linear_model. Modelos Lineales
  • sklearn.manifold: Manifold Learning
  • sklearn.metrics: Métricas
  • sklearn.mixture: Modelos de Mezclas Gaussianas
  • sklearn.model_selection: Selección del Modelo
  • sklearn.multiclase: Clasificación multiclase
  • sklearn.multioutput: Regresión y clasificación multisalida
  • sklearn.naive_bayes: Bayes Ingenuo
  • sklearn.neighbors: Vecinos más cercanos
  • sklearn.neural_network: Neural network models
  • sklearn.pipeline: Tubería
  • sklearn.preprocessing: Preprocessing and Normalization
  • sklearn.random_projection: Proyección Aleatoria
  • sklearn.semi_supervised: Aprendizaje semi-supervisado
  • sklearn.svm: Máquinas de soporte vectorial
  • sklearn.tree: Árboles de decisión
  • sklearn.utils: Utilidades
  • Recientemente obsoleto
• Guía del Desarrollador
  • Contribuyendo
  • Desarrollando estimadores de scikit-learn
  • Consejos y Trucos de los Desarrolladores
  • Utilidades para Desarrolladores
  • Cómo optimizar para velocidad
  • Instalación de la versión de desarrollo de scikit-learn
  • Evaluación de errores y curación de problemas
  • Información sobre el mantenedor/desarrollador del núcleo
  • Desarrollo con la API Plotting