欢迎光临散文网 会员登陆 & 注册

Sklearn 0.21 中文文档校对活动 | ApacheCN

2019-09-24 10:35 作者:绝不原创的飞龙  | 我要投稿

整体进度:https://github.com/apachecn/sklearn-doc-zh/issues/352

贡献指南:https://github.com/apachecn/sklearn-doc-zh/blob/master/CONTRIBUTING.md

项目仓库:https://github.com/apachecn/sklearn-doc-zh

贡献指南

请您勇敢地去翻译和改进翻译。虽然我们追求卓越,但我们并不要求您做到十全十美,因此请不要担心因为翻译上犯错——在大部分情况下,我们的服务器已经记录所有的翻译,因此您不必担心会因为您的失误遭到无法挽回的破坏。(改编自维基百科)

可能有用的链接:

  • 英文官网(t.cn/RhJDuHi)

  • 中文翻译(t.cn/AiTpMF0B)

负责人:

  • @loopyme(t.cn/AiTpMFHy):3322728009

  • 飞龙(t.cn/R4TanTd):562826179

  • 片刻(t.cn/EVuFSN4):529815144

章节列表

  • 安装 scikit-learn(t.cn/AiTpJulm)

  • 用户指南

  • 1. 监督学习(t.cn/AiTpJu8y)

  • 1.1. 广义线性模型(t.cn/AiTpJu16)

  • 1.2. 线性和二次判别分析(t.cn/AiTpJuDL)

  • 1.3. 内核岭回归(t.cn/AiTpJ3PF)

  • 1.4. 支持向量机(t.cn/AiTpJ3wk)

  • 1.5. 随机梯度下降(t.cn/AiTpJ34T)

  • 1.6. 最近邻(t.cn/AiTpJ3t7)

  • 1.7. 高斯过程(t.cn/AiTpJ3Iu)

  • 1.8. 交叉分解(t.cn/AiTpJ3XI)

  • 1.9. 朴素贝叶斯(t.cn/AiTpJ3Kp)

  • 1.10. 决策树(t.cn/AiTpJ30W)

  • 1.11. 集成方法(t.cn/AiTpJ3QP)

  • 1.12. 多类和多标签算法(t.cn/AiTpJ3us)

  • 1.13. 特征选择(t.cn/AiTpJ3ep)

  • 1.14. 半监督学习(t.cn/AiTpJ1PI)

  • 1.15. 等式回归(t.cn/AiTpJ1wi)

  • 1.16. 概率校准(t.cn/AiTpJ14p)

  • 1.17. 神经网络模型(有监督)(t.cn/AiTpJ1Iw)

  • 2. 无监督学习(t.cn/AiTpJ19G)

  • 2.1. 高斯混合模型(t.cn/AiTpJ1YX)

  • 2.2. 流形学习(t.cn/AiTpJ1mp)

  • 2.3. 聚类(t.cn/AiTpJ1gf)

  • 2.4. 双聚类(t.cn/AiTpJBhV)

  • 2.5. 分解成分中的信号(矩阵分解问题)(t.cn/AiTpJBAj)

  • 2.6. 协方差估计(t.cn/AiTpJB49)

  • 2.7. 新奇和异常值检测(t.cn/AiTpJBcW)

  • 2.8. 密度估计(t.cn/AiTpJBi5)

  • 2.9. 神经网络模型(无监督)(t.cn/AiTpJB9G)

  • 3. 模型选择和评估(t.cn/AiTpJBON)

  • 3.1. 交叉验证:评估估算器的表现(t.cn/AiTpJBHT)

  • 3.2. 调整估计器的超参数(t.cn/AiTpJB3d)

  • 3.3. 模型评估: 量化预测的质量(t.cn/AiTpJBDu)

  • 3.4. 模型持久化(t.cn/AiTpJrhB)

  • 3.5. 验证曲线: 绘制分数以评估模型(t.cn/AiTpJr4x)

  • 4. 检验(t.cn/AiTpJrI2)

  • 4.1. 部分依赖图(t.cn/AiTpJrSI)

  • 5. 数据集转换(t.cn/AiTpJr0X)

  • 5.1. Pipeline(管道)和 FeatureUnion(特征联合): 合并的评估器(t.cn/AiTpJrTp)

  • 5.2. 特征提取(t.cn/AiTpJrn7)

  • 5.3 预处理数据(t.cn/AiTpJdx6)

  • 5.4 缺失值插补(t.cn/AiTpJdSI)

  • 5.5. 无监督降维(t.cn/AiTpJdOv)

  • 5.6. 随机投影(t.cn/AiTpJd8b)

  • 5.7. 内核近似(t.cn/AiTpJd1z)

  • 5.8. 成对的矩阵, 类别和核函数(t.cn/AiTpJdDy)

  • 5.9. 预测目标 (y) 的转换(t.cn/AiTpJg7C)

  • 6. 数据集加载工具(t.cn/AiTpJgy2)

  • 6.1. 通用数据集 API(t.cn/AiTpJgy2)

  • 6.2. 玩具数据集(t.cn/AiTpJgy2)

  • 6.3 真实世界中的数据集(t.cn/AiTpJgy2)

  • 6.4. 样本生成器(t.cn/AiTpJgy2)

  • 6.5. 加载其他数据集(t.cn/AiTpJgy2)

  • 7. 使用scikit-learn计算(t.cn/AiTpJgeU)

  • 7.1. 大规模计算的策略: 更大量的数据(t.cn/AiTpJgeU)

  • 7.2. 计算性能(t.cn/AiTpJgeU)

  • 7.3. 并行性、资源管理和配置(t.cn/AiTpJgeU)

  • 教程(t.cn/AiTpJebG)

  • 使用 scikit-learn 介绍机器学习(t.cn/AiTpJecf)

  • 关于科学数据处理的统计学习教程(t.cn/AiTpJeih)

  • 机器学习: scikit-learn 中的设置以及预估对象(t.cn/AiTpJeof)

  • 监督学习:从高维观察预测输出变量(t.cn/AiTpJepS)

  • 模型选择:选择估计量及其参数(t.cn/AiTpJejW)

  • 无监督学习: 寻求数据表示(t.cn/AiTpJe8T)

  • 把它们放在一起(t.cn/AiTpJe3X)

  • 寻求帮助(t.cn/AiTpJegT)

  • 处理文本数据(t.cn/AiTpJDv0)

  • 选择正确的评估器(estimator.md)(t.cn/AiTpJD2I)

  • 外部资源,视频和谈话(t.cn/AiTpJDbe)

  • API 参考(t.cn/AiTpJDck)

  • 常见问题(t.cn/AiTpJDJP)

  • 时光轴(t.cn/AiTpJDaR)

流程

一、认领

首先查看整体进度(t.cn/AiTpJDC9),确认没有人认领了你想认领的章节。

然后回复 ISSUE,注明“章节 + QQ 号”(一定要留 QQ)。

二、校对

需要校对:

  1. 语法

  2. 术语使用

  3. 文档格式

如果觉得现有翻译不好,重新翻译也是可以的。

三、提交

提交的时候不要改动文件名称,即使它跟章节标题不一样也不要改,因为文件名和原文的链接是对应的!!!

  • fork Github 项目

  • 修改docs/0.21.3中的文档

  • push

  • pull request

请见 Github 入门指南(t.cn/AiCOHNbP)。


Sklearn 0.21 中文文档校对活动 | ApacheCN的评论 (共 条)

分享到微博请遵守国家法律