跳至主要內容
Ctrl+K
scikit-learn homepage scikit-learn homepage
  • 安裝
  • 使用者指南
  • API
  • 範例
  • 社群
    • 開始使用
    • 發行歷史
    • 詞彙表
    • 開發
    • 常見問題
    • 支援
    • 相關專案
    • 路線圖
    • 治理
    • 關於我們
  • GitHub
  • 安裝
  • 使用者指南
  • API
  • 範例
  • 社群
  • 開始使用
  • 發行歷史
  • 詞彙表
  • 開發
  • 常見問題
  • 支援
  • 相關專案
  • 路線圖
  • 治理
  • 關於我們
  • GitHub

區塊導覽

  • sklearn
    • config_context
    • get_config
    • set_config
    • show_versions
  • sklearn.base
    • BaseEstimator
    • BiclusterMixin
    • ClassNamePrefixFeaturesOutMixin
    • ClassifierMixin
    • ClusterMixin
    • DensityMixin
    • MetaEstimatorMixin
    • OneToOneFeatureMixin
    • OutlierMixin
    • RegressorMixin
    • TransformerMixin
    • clone
    • is_classifier
    • is_clusterer
    • is_regressor
    • is_outlier_detector
  • sklearn.calibration
    • CalibratedClassifierCV
    • calibration_curve
    • CalibrationDisplay
  • sklearn.cluster
    • AffinityPropagation
    • AgglomerativeClustering
    • Birch
    • BisectingKMeans
    • DBSCAN
    • FeatureAgglomeration
    • HDBSCAN
    • KMeans
    • MeanShift
    • MiniBatchKMeans
    • OPTICS
    • SpectralBiclustering
    • SpectralClustering
    • SpectralCoclustering
    • affinity_propagation
    • cluster_optics_dbscan
    • cluster_optics_xi
    • compute_optics_graph
    • dbscan
    • estimate_bandwidth
    • k_means
    • kmeans_plusplus
    • mean_shift
    • spectral_clustering
    • ward_tree
  • sklearn.compose
    • ColumnTransformer
    • TransformedTargetRegressor
    • make_column_selector
    • make_column_transformer
  • sklearn.covariance
    • EllipticEnvelope
    • EmpiricalCovariance
    • GraphicalLasso
    • GraphicalLassoCV
    • LedoitWolf
    • MinCovDet
    • OAS
    • ShrunkCovariance
    • empirical_covariance
    • graphical_lasso
    • ledoit_wolf
    • ledoit_wolf_shrinkage
    • oas
    • shrunk_covariance
  • sklearn.cross_decomposition
    • CCA
    • PLSCanonical
    • PLSRegression
    • PLSSVD
  • sklearn.datasets
    • clear_data_home
    • dump_svmlight_file
    • fetch_20newsgroups
    • fetch_20newsgroups_vectorized
    • fetch_california_housing
    • fetch_covtype
    • fetch_file
    • fetch_kddcup99
    • fetch_lfw_pairs
    • fetch_lfw_people
    • fetch_olivetti_faces
    • fetch_openml
    • fetch_rcv1
    • fetch_species_distributions
    • get_data_home
    • load_breast_cancer
    • load_diabetes
    • load_digits
    • load_files
    • load_iris
    • load_linnerud
    • load_sample_image
    • load_sample_images
    • load_svmlight_file
    • load_svmlight_files
    • load_wine
    • make_biclusters
    • make_blobs
    • make_checkerboard
    • make_circles
    • make_classification
    • make_friedman1
    • make_friedman2
    • make_friedman3
    • make_gaussian_quantiles
    • make_hastie_10_2
    • make_low_rank_matrix
    • make_moons
    • make_multilabel_classification
    • make_regression
    • make_s_curve
    • make_sparse_coded_signal
    • make_sparse_spd_matrix
    • make_sparse_uncorrelated
    • make_spd_matrix
    • make_swiss_roll
  • sklearn.decomposition
    • DictionaryLearning
    • FactorAnalysis
    • FastICA
    • IncrementalPCA
    • KernelPCA
    • LatentDirichletAllocation
    • MiniBatchDictionaryLearning
    • MiniBatchNMF
    • MiniBatchSparsePCA
    • NMF
    • PCA
    • SparseCoder
    • SparsePCA
    • TruncatedSVD
    • dict_learning
    • dict_learning_online
    • fastica
    • non_negative_factorization
    • sparse_encode
  • sklearn.discriminant_analysis
    • LinearDiscriminantAnalysis
    • QuadraticDiscriminantAnalysis
  • sklearn.dummy
    • DummyClassifier
    • DummyRegressor
  • sklearn.ensemble
    • AdaBoostClassifier
    • AdaBoostRegressor
    • BaggingClassifier
    • BaggingRegressor
    • ExtraTreesClassifier
    • ExtraTreesRegressor
    • GradientBoostingClassifier
    • GradientBoostingRegressor
    • HistGradientBoostingClassifier
    • HistGradientBoostingRegressor
    • IsolationForest
    • RandomForestClassifier
    • RandomForestRegressor
    • RandomTreesEmbedding
    • StackingClassifier
    • StackingRegressor
    • VotingClassifier
    • VotingRegressor
  • sklearn.exceptions
    • ConvergenceWarning
    • DataConversionWarning
    • DataDimensionalityWarning
    • EfficiencyWarning
    • FitFailedWarning
    • InconsistentVersionWarning
    • NotFittedError
    • UndefinedMetricWarning
    • EstimatorCheckFailedWarning
  • sklearn.experimental
    • enable_halving_search_cv
    • enable_iterative_imputer
  • sklearn.feature_extraction
    • DictVectorizer
    • FeatureHasher
    • PatchExtractor
    • extract_patches_2d
    • grid_to_graph
    • img_to_graph
    • reconstruct_from_patches_2d
    • CountVectorizer
    • HashingVectorizer
    • TfidfTransformer
    • TfidfVectorizer
  • sklearn.feature_selection
    • GenericUnivariateSelect
    • RFE
    • RFECV
    • SelectFdr
    • SelectFpr
    • SelectFromModel
    • SelectFwe
    • SelectKBest
    • SelectPercentile
    • SelectorMixin
    • SequentialFeatureSelector
    • VarianceThreshold
    • chi2
    • f_classif
    • f_regression
    • mutual_info_classif
    • mutual_info_regression
    • r_regression
  • sklearn.frozen
    • FrozenEstimator
  • sklearn.gaussian_process
    • GaussianProcessClassifier
    • GaussianProcessRegressor
    • CompoundKernel
    • ConstantKernel
    • DotProduct
    • ExpSineSquared
    • Exponentiation
    • Hyperparameter
    • Kernel
    • Matern
    • PairwiseKernel
    • Product
    • RBF
    • RationalQuadratic
    • Sum
    • WhiteKernel
  • sklearn.impute
    • IterativeImputer
    • KNNImputer
    • MissingIndicator
    • SimpleImputer
  • sklearn.inspection
    • partial_dependence
    • permutation_importance
    • DecisionBoundaryDisplay
    • PartialDependenceDisplay
  • sklearn.isotonic
    • IsotonicRegression
    • check_increasing
    • isotonic_regression
  • sklearn.kernel_approximation
    • AdditiveChi2Sampler
    • Nystroem
    • PolynomialCountSketch
    • RBFSampler
    • SkewedChi2Sampler
  • sklearn.kernel_ridge
    • KernelRidge
  • sklearn.linear_model
    • LogisticRegression
    • LogisticRegressionCV
    • PassiveAggressiveClassifier
    • Perceptron
    • RidgeClassifier
    • RidgeClassifierCV
    • SGDClassifier
    • SGDOneClassSVM
    • LinearRegression
    • Ridge
    • RidgeCV
    • SGDRegressor
    • ElasticNet
    • ElasticNetCV
    • Lars
    • LarsCV
    • Lasso
    • LassoCV
    • LassoLars
    • LassoLarsCV
    • LassoLarsIC
    • OrthogonalMatchingPursuit
    • OrthogonalMatchingPursuitCV
    • ARDRegression
    • BayesianRidge
    • MultiTaskElasticNet
    • MultiTaskElasticNetCV
    • MultiTaskLasso
    • MultiTaskLassoCV
    • HuberRegressor
    • QuantileRegressor
    • RANSACRegressor
    • TheilSenRegressor
    • GammaRegressor
    • PoissonRegressor
    • TweedieRegressor
    • PassiveAggressiveRegressor
    • enet_path
    • lars_path
    • lars_path_gram
    • lasso_path
    • orthogonal_mp
    • orthogonal_mp_gram
    • ridge_regression
  • sklearn.manifold
    • Isomap
    • LocallyLinearEmbedding
    • MDS
    • 頻譜嵌入 (SpectralEmbedding)
    • T-SNE
    • 局部線性嵌入 (locally_linear_embedding)
    • SMACOF
    • 頻譜嵌入 (spectral_embedding)
    • 可信度 (trustworthiness)
  • sklearn.metrics
    • 檢查評分 (check_scoring)
    • 取得評分器 (get_scorer)
    • 取得評分器名稱 (get_scorer_names)
    • 建立評分器 (make_scorer)
    • 準確度評分 (accuracy_score)
    • 曲線下面積 (auc)
    • 平均精確度評分 (average_precision_score)
    • 平衡準確度評分 (balanced_accuracy_score)
    • 布萊爾分數損失 (brier_score_loss)
    • 類別似然比 (class_likelihood_ratios)
    • 分類報告 (classification_report)
    • 科恩卡帕分數 (cohen_kappa_score)
    • 混淆矩陣 (confusion_matrix)
    • D2 對數損失評分 (d2_log_loss_score)
    • 折損累積增益評分 (dcg_score)
    • 檢測錯誤權衡曲線 (det_curve)
    • F1 分數 (f1_score)
    • F-beta 分數 (fbeta_score)
    • 漢明損失 (hamming_loss)
    • 鉸鏈損失 (hinge_loss)
    • 傑卡德分數 (jaccard_score)
    • 對數損失 (log_loss)
    • 馬修斯相關係數 (matthews_corrcoef)
    • 多標籤混淆矩陣 (multilabel_confusion_matrix)
    • 正規化折損累積增益評分 (ndcg_score)
    • 精確度召回曲線 (precision_recall_curve)
    • 精確度召回 F 分數支持 (precision_recall_fscore_support)
    • 精確度評分 (precision_score)
    • 召回率評分 (recall_score)
    • ROC 曲線下面積評分 (roc_auc_score)
    • ROC 曲線 (roc_curve)
    • 前 K 名準確度評分 (top_k_accuracy_score)
    • 零一損失 (zero_one_loss)
    • D2 絕對誤差評分 (d2_absolute_error_score)
    • D2 釘球評分 (d2_pinball_score)
    • D2 Tweedie 評分 (d2_tweedie_score)
    • 解釋變異評分 (explained_variance_score)
    • 最大誤差 (max_error)
    • 平均絕對誤差 (mean_absolute_error)
    • 平均絕對百分比誤差 (mean_absolute_percentage_error)
    • 平均伽瑪偏差 (mean_gamma_deviance)
    • 平均釘球損失 (mean_pinball_loss)
    • 平均泊松偏差 (mean_poisson_deviance)
    • 均方誤差 (mean_squared_error)
    • 均方對數誤差 (mean_squared_log_error)
    • 平均 Tweedie 偏差 (mean_tweedie_deviance)
    • 中位數絕對誤差 (median_absolute_error)
    • R 平方值 (r2_score)
    • 均方根誤差 (root_mean_squared_error)
    • 均方根對數誤差 (root_mean_squared_log_error)
    • 覆蓋誤差 (coverage_error)
    • 標籤排序平均精確度評分 (label_ranking_average_precision_score)
    • 標籤排序損失 (label_ranking_loss)
    • 調整互信息評分 (adjusted_mutual_info_score)
    • 調整蘭德指數評分 (adjusted_rand_score)
    • 卡林斯基-哈拉巴斯評分 (calinski_harabasz_score)
    • 列聯表 (contingency_matrix)
    • 成對混淆矩陣 (pair_confusion_matrix)
    • 完整性評分 (completeness_score)
    • 戴維斯-博爾丁評分 (davies_bouldin_score)
    • 福爾克斯-馬洛斯評分 (fowlkes_mallows_score)
    • 同質性、完整性與 V 值 (homogeneity_completeness_v_measure)
    • 同質性評分 (homogeneity_score)
    • 互信息評分 (mutual_info_score)
    • 正規化互信息評分 (normalized_mutual_info_score)
    • 蘭德指數評分 (rand_score)
    • 輪廓係數樣本 (silhouette_samples)
    • 輪廓係數評分 (silhouette_score)
    • V 值評分 (v_measure_score)
    • 共識評分 (consensus_score)
    • 距離度量 (DistanceMetric)
    • 加性卡方核函數 (additive_chi2_kernel)
    • 卡方核函數 (chi2_kernel)
    • 餘弦距離 (cosine_distances)
    • 餘弦相似度 (cosine_similarity)
    • 距離度量 (distance_metrics)
    • 歐幾里得距離 (euclidean_distances)
    • 半正矢距離 (haversine_distances)
    • 核函數度量 (kernel_metrics)
    • 拉普拉斯核函數 (laplacian_kernel)
    • 線性核函數 (linear_kernel)
    • 曼哈頓距離 (manhattan_distances)
    • 含有 NaN 的歐幾里得距離 (nan_euclidean_distances)
    • 成對餘弦距離 (paired_cosine_distances)
    • 成對距離 (paired_distances)
    • 成對歐幾里得距離 (paired_euclidean_distances)
    • 成對曼哈頓距離 (paired_manhattan_distances)
    • 成對核函數 (pairwise_kernels)
    • 多項式核函數 (polynomial_kernel)
    • 徑向基核函數 (rbf_kernel)
    • S 型核函數 (sigmoid_kernel)
    • 成對距離 (pairwise_distances)
    • 成對距離最小值參數 (pairwise_distances_argmin)
    • 成對距離最小值參數與最小值 (pairwise_distances_argmin_min)
    • 分塊成對距離 (pairwise_distances_chunked)
    • 混淆矩陣顯示 (ConfusionMatrixDisplay)
    • 檢測錯誤權衡曲線顯示 (DetCurveDisplay)
    • 精確度召回顯示 (PrecisionRecallDisplay)
    • 預測誤差顯示 (PredictionErrorDisplay)
    • ROC 曲線顯示 (RocCurveDisplay)
  • sklearn.mixture
    • 貝氏高斯混合模型 (BayesianGaussianMixture)
    • 高斯混合模型 (GaussianMixture)
  • sklearn.model_selection
    • 分組 K 折交叉驗證 (GroupKFold)
    • 分組隨機分割 (GroupShuffleSplit)
    • K 折交叉驗證 (KFold)
    • 留一組交叉驗證 (LeaveOneGroupOut)
    • 留一交叉驗證 (LeaveOneOut)
    • 留 P 組交叉驗證 (LeavePGroupsOut)
    • 留 P 個交叉驗證 (LeavePOut)
    • 預定義分割 (PredefinedSplit)
    • 重複 K 折交叉驗證 (RepeatedKFold)
    • 重複分層 K 折交叉驗證 (RepeatedStratifiedKFold)
    • 隨機分割 (ShuffleSplit)
    • 分層分組 K 折交叉驗證 (StratifiedGroupKFold)
    • 分層 K 折交叉驗證 (StratifiedKFold)
    • 分層隨機分割 (StratifiedShuffleSplit)
    • 時間序列分割 (TimeSeriesSplit)
    • 檢查交叉驗證 (check_cv)
    • 訓練集測試集分割 (train_test_split)
    • 網格搜尋交叉驗證 (GridSearchCV)
    • 減半網格搜尋交叉驗證 (HalvingGridSearchCV)
    • 減半隨機搜尋交叉驗證 (HalvingRandomSearchCV)
    • 參數網格 (ParameterGrid)
    • 參數取樣器 (ParameterSampler)
    • 隨機搜尋交叉驗證 (RandomizedSearchCV)
    • 固定閾值分類器 (FixedThresholdClassifier)
    • 調整閾值分類器交叉驗證 (TunedThresholdClassifierCV)
    • 交叉驗證預測 (cross_val_predict)
    • 交叉驗證評分 (cross_val_score)
    • 交叉驗證 (cross_validate)
    • 學習曲線 (learning_curve)
    • 排列檢定分數 (permutation_test_score)
    • 驗證曲線 (validation_curve)
    • 學習曲線顯示 (LearningCurveDisplay)
    • 驗證曲線顯示 (ValidationCurveDisplay)
  • sklearn.multiclass
    • 一對一分類器 (OneVsOneClassifier)
    • 一對多分類器 (OneVsRestClassifier)
    • 輸出碼分類器 (OutputCodeClassifier)
  • sklearn.multioutput
    • 分類器鏈 (ClassifierChain)
    • 多輸出分類器 (MultiOutputClassifier)
    • 多輸出迴歸器 (MultiOutputRegressor)
    • 迴歸器鏈 (RegressorChain)
  • sklearn.naive_bayes
    • 伯努利朴素貝葉斯 (BernoulliNB)
    • 類別朴素貝葉斯 (CategoricalNB)
    • 互補朴素貝葉斯 (ComplementNB)
    • 高斯朴素貝葉斯 (GaussianNB)
    • 多項式朴素貝葉斯 (MultinomialNB)
  • sklearn.neighbors
    • 球樹 (BallTree)
    • KD 樹 (KDTree)
    • K 近鄰分類器 (KNeighborsClassifier)
    • K 近鄰迴歸器 (KNeighborsRegressor)
    • K 近鄰轉換器 (KNeighborsTransformer)
    • 核密度估計 (KernelDensity)
    • 局部異常因子 (LocalOutlierFactor)
    • 最近質心 (NearestCentroid)
    • 最近鄰 (NearestNeighbors)
    • 鄰域成分分析 (NeighborhoodComponentsAnalysis)
    • 半徑近鄰分類器 (RadiusNeighborsClassifier)
    • 半徑近鄰迴歸器 (RadiusNeighborsRegressor)
    • 半徑近鄰轉換器 (RadiusNeighborsTransformer)
    • K 近鄰圖 (kneighbors_graph)
    • 半徑近鄰圖 (radius_neighbors_graph)
    • 依列值排序圖 (sort_graph_by_row_values)
  • sklearn.neural_network
    • 伯努利受限玻爾茲曼機 (BernoulliRBM)
    • 多層感知器分類器 (MLPClassifier)
    • 多層感知器迴歸器 (MLPRegressor)
  • sklearn.pipeline
    • 特徵聯合 (FeatureUnion)
    • 管線 (Pipeline)
    • 建立管線 (make_pipeline)
    • 建立聯合 (make_union)
  • sklearn.preprocessing
    • 二值化器 (Binarizer)
    • 函數轉換器 (FunctionTransformer)
    • K 分箱離散器 (KBinsDiscretizer)
    • 核函數中心化器 (KernelCenterer)
    • 標籤二值化器 (LabelBinarizer)
    • 標籤編碼器 (LabelEncoder)
    • 最大絕對值縮放器 (MaxAbsScaler)
    • 最小最大值縮放器 (MinMaxScaler)
    • 多標籤二值化器 (MultiLabelBinarizer)
    • 正規化器 (Normalizer)
    • 獨熱編碼器 (OneHotEncoder)
    • 序數編碼器 (OrdinalEncoder)
    • 多項式特徵 (PolynomialFeatures)
    • 冪轉換器 (PowerTransformer)
    • 分位數轉換器 (QuantileTransformer)
    • 穩健縮放器 (RobustScaler)
    • 樣條轉換器 (SplineTransformer)
    • 標準縮放器 (StandardScaler)
    • 目標編碼器 (TargetEncoder)
    • 新增虛擬特徵 (add_dummy_feature)
    • 二值化 (binarize)
    • 標籤二值化 (label_binarize)
    • 最大絕對值縮放 (maxabs_scale)
    • 最小最大值縮放 (minmax_scale)
    • 正規化 (normalize)
    • 冪轉換 (power_transform)
    • 分位數轉換 (quantile_transform)
    • 穩健縮放 (robust_scale)
    • 縮放 (scale)
  • sklearn.random_projection
    • 高斯隨機投影 (GaussianRandomProjection)
    • 稀疏隨機投影 (SparseRandomProjection)
    • 約翰遜-林登施特勞斯最小維度 (johnson_lindenstrauss_min_dim)
  • sklearn.semi_supervised
    • 標籤傳播 (LabelPropagation)
    • 標籤擴散 (LabelSpreading)
    • 自訓練分類器 (SelfTrainingClassifier)
  • sklearn.svm
    • 線性支持向量分類 (LinearSVC)
    • 線性支持向量迴歸 (LinearSVR)
    • Nu 支持向量分類 (NuSVC)
    • Nu 支持向量迴歸 (NuSVR)
    • 單類支持向量機 (OneClassSVM)
    • 支持向量分類 (SVC)
    • 支持向量迴歸 (SVR)
    • L1 最小 C 值 (l1_min_c)
  • sklearn.tree
    • 決策樹分類器 (DecisionTreeClassifier)
    • 決策樹迴歸器 (DecisionTreeRegressor)
    • 額外樹分類器 (ExtraTreeClassifier)
    • 額外樹迴歸器 (ExtraTreeRegressor)
    • 匯出圖形表示 (export_graphviz)
    • 匯出文字 (export_text)
    • 繪製樹狀圖 (plot_tree)
  • sklearn.utils
    • Bunch
    • 安全索引 ( _safe_indexing )
    • 轉換為浮點數陣列 (as_float_array)
    • 斷言所有有限值 (assert_all_finite)
    • 已棄用 (deprecated)
    • 估算器 HTML 表示 (estimator_html_repr)
    • 產生批次 (gen_batches)
    • 產生均勻切片 (gen_even_slices)
    • 可索引 (indexable)
    • murmurhash3_32
    • 重採樣 (resample)
    • 安全遮罩 (safe_mask)
    • 安全平方 (safe_sqr)
    • 隨機排列 (shuffle)
    • 標籤 (Tags)
    • 輸入標籤 (InputTags)
    • 目標標籤 (TargetTags)
    • 分類器標籤 (ClassifierTags)
    • 迴歸器標籤 (RegressorTags)
    • 轉換器標籤 (TransformerTags)
    • 取得標籤 (get_tags)
    • 檢查 X 和 y (check_X_y)
    • 檢查陣列 (check_array)
    • 檢查一致長度 (check_consistent_length)
    • 檢查隨機狀態 (check_random_state)
    • 檢查純量 (check_scalar)
    • 檢查是否已擬合 (check_is_fitted)
    • 檢查記憶體 (check_memory)
    • 檢查對稱性 (check_symmetric)
    • 轉換為列或一維 (column_or_1d)
    • 是否具有擬合參數 (has_fit_parameter)
    • 驗證資料 (validate_data)
    • 在條件成立時可用 (available_if)
    • 計算類別權重 (compute_class_weight)
    • 計算樣本權重 (compute_sample_weight)
    • 是否為多標籤 (is_multilabel)
    • 目標類型 (type_of_target)
    • 唯一標籤 (unique_labels)
    • 密度 (density)
    • 快速對數行列式 (fast_logdet)
    • 隨機範圍尋找器 (randomized_range_finder)
    • 隨機奇異值分解 (randomized_svd)
    • 安全稀疏點積 (safe_sparse_dot)
    • 加權眾數 (weighted_mode)
    • 軸向增量均值方差 (incr_mean_variance_axis)
    • 原地列縮放 (inplace_column_scale)
    • 原地 CSR 列縮放 (inplace_csr_column_scale)
    • 原地行縮放 (inplace_row_scale)
    • 原地交換列 (inplace_swap_column)
    • 原地交換行 (inplace_swap_row)
    • 軸向均值方差 (mean_variance_axis)
    • 原地 CSR 行 L1 正規化 (inplace_csr_row_normalize_l1)
    • 原地 CSR 行 L2 正規化 (inplace_csr_row_normalize_l2)
    • 單源最短路徑長度 (single_source_shortest_path_length)
    • 無放回採樣 (sample_without_replacement)
    • 最小正值 (min_pos)
    • 元數據請求 (MetadataRequest)
    • 元數據路由器 (MetadataRouter)
    • 方法映射 (MethodMapping)
    • 取得物件的路由 (get_routing_for_object)
    • 處理路由 (process_routing)
    • 所有顯示 (all_displays)
    • 所有估算器 (all_estimators)
    • 所有函數 (all_functions)
    • 檢查估算器 (check_estimator)
    • 以檢查參數化 (parametrize_with_checks)
    • 估算器檢查產生器 (estimator_checks_generator)
    • 平行處理 (Parallel)
    • 延遲 (delayed)
  • 最近棄用的 (Recently Deprecated)
    • 平行後端 (parallel_backend)
    • 註冊平行後端 (register_parallel_backend)
  • API 參考 (API Reference)
  • 最近棄用的 (Recently Deprecated)

最近棄用的#

將在 1.7 版中移除

utils.parallel_backend

utils.register_parallel_backend

註冊新的平行後端工廠。

上一頁

delayed

下一頁

parallel_backend

© 版權所有 2007 - 2024，scikit-learn 開發者 (BSD 授權條款)。