本人计算机小白一枚，将自己学到的知识点整理出来，一方面是对自己学习的小总结，另一方面是欢迎大家批评指正。如果觉得写得还可以，大家可以转发关注此博客，谢谢！后续会有新算法持续更新~.
______________________________________________________________________________________________________________________
转自博客：http://blog.csdn.net/chinachenyyx/article/details/75299043
ApacheCN cwiki 地址为 scikit-learn 0.18 中文文档 : http://cwiki.apachecn.org/pages/viewpage.action?pageId=10030181
sklearn : 基于 Python 语言的，简单高效的数据挖掘和数据分析工具，建立在 NumPy，SciPy 和 matplotlib 上。
此外，Apache Spark 2.2.0 官方文档中文版，开始采用 github 迭代维护的方式来更新，欢迎大家一起来迭代维护，地址为 https://github.com/apachecn/spark-doc-zh。
以下是 sklearn 官方文档中文版，如果你也有兴趣，请关注此博客。
scikit-learn 0.18 中文文档
- 快速入门
- 用户指南
- 监督学习
- Generalized Linear Models ( 广义线性模型 )
- Linear and Quadratic Discriminant Analysis ( 线性和二次判别分析 )
- Kernel ridge regression ( 内核岭回归 )
- Support Vector Machines（支持向量机, SVM）
- Stochastic Gradient Descent ( 随机梯度下降 )
- Nearest Neighbors ( 最近邻 )
- Gaussian Processes（高斯过程）
- Cross decomposition（交叉分解）
- Naive Bayes ( 朴素贝叶斯 )
- Decision Trees（决策树）
- Ensemble methods（集成方法）
- 多类和多标签算法
- 功能选择
- 半监督
- 等式回归
- 概率校准
- 神经网络模型（监督）
- 无监督学习
- 高斯混合模型
- 流形学习
- 聚类
- 双聚类
- 分解成分中的信号（矩阵分解问题）
- 协方差估计
- 新奇和异常检测
- 密度估计
- 神经网络模型（无监督）
- 模型选择和评估
- 交叉验证：评估估计器性能
- 调整估计器的超参数
- 模型评估：量化预测的质量
- 模型持久化
- 验证曲线：绘制分数以评估模型
- 数据集转换
- 管道和FeatureUnion：组合估计
- 特征提取
- 预处理数据
- 无监督降维
- 随机投影
- 内核近似
- 成对度量，亲和力和内核
- 转换预测目标（y）
- 数据集加载实用程序
- 计算策略：更大的数据
- 计算性能
- 教程
- API 文档
- 开发指南
- 流程图
- 相关包
- 常问问题
- 其他资源
- 其他版本
学习路线 : 机器学习基础 –> sklearn –> tensorflow
还有相关的好的教程或博客链接：
1.http://sklearn.apachecn.org/
2.http://www.jianshu.com/p/516f009c0875
3.http://v.youku.com/v_show/id_XMTUxODczMzY2OA==.html?spm=a2h0j.8191423.module_basic_relation.5~5!2~5~5!14~5~5~A
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
