法库

sklearn监督学习的各个模块 neighbors近邻算法,svm支持向量机,kernal_ridge核岭回归,discriminant_analysis判别分析,linear_model广义线性模型 ensemble集成方法,tree决策树,native_bayes朴素贝叶斯,cross_decomposition交叉分解,gaussian_process高斯过程 neural_network多层神经网络,calibration概率校准,isotonk保序回归,feature_selection监督特征选择,multiclass多类多标签算法 sklearn无监督学习模块 decomposition矩阵因子分解，cluster聚类分析，manifold流形学习，mixture高斯混合模型 neural_network无监督神经网络,density密度估计,covariance协方差估计 sklearn数据变换模型 feature_extraction特征抽取，feature_selection 特征选择，preprocessing数据预处理 random_projection随机投影，kernel_approximation核逼近，pipline管道流 下面是一个sklearn的基本的类的内容，任何一个sklearn中实现的算法都会使用下边的一个或多个类 下面以svm为例

C++ algorithm算法库 Xun 标准模板库（STL）中定义了很多的常用算法，这些算法主要定义在 <algorithm> 中。编程时，只需要在文件中加入 #include<algorithm> 即可方便地使用这些算法。若要用好这些函数，你必须了解以下几个概念： 容器 容器是用来存放各种数据的一个东西， <algorithm> 中的算法是针对容器设计的。因此，不论数据是一些 int ， char 还是自定义的 class ， <algorithm> 中的函数都可以正确应对。 vector 是最常用的容器。 迭代器 迭代器是与容器进行配套使用的。它的作用是对容器中的元素进行遍历，比如数组的指针就可以看作一种迭代器。迭代器一般支持解引用（ operator*() ）、自加（ operator++() ）、相等（ operator==() ）等操作。 谓词 谓词是用来对 <algorithm> 中的函数进行定制操作的。谓词可以是lambda表达式或是函数/函数指针，并且 <algorithm> 中只有一元谓词和二元谓词，即函数只能接收一个或两个参数。对于需要额外参数的谓词可以使用lambda表达式的捕获功能。 pair 部分算法会有两个返回值， pair 有两个成员 first 和 second ，用来将两个值进行打包返回。 下面的内容主要来源于《C++ Primer