Sklearn 0.21 中文文檔校對活動 | ApacheCN
整體進度：https://github.com/apachecn/sklearn-doc-zh/issues/352
貢獻指南：https://github.com/apachecn/sklearn-doc-zh/blob/master/CONTRIBUTING.md
項目倉庫：https://github.com/apachecn/sklearn-doc-zh
貢獻指南
請您勇敢地去翻譯和改進翻譯。雖然我們追求卓越，但我們并不要求您做到十全十美，因此請不要擔心因為翻譯上犯錯——在大部分情況下，我們的服務器已經(jīng)記錄所有的翻譯，因此您不必擔心會因為您的失誤遭到無法挽回的破壞。（改編自維基百科）
可能有用的鏈接：
英文官網(wǎng)（t.cn/RhJDuHi）
中文翻譯（t.cn/AiTpMF0B）
負責人：
@loopyme（t.cn/AiTpMFHy）：3322728009
飛龍（t.cn/R4TanTd）：562826179
片刻（t.cn/EVuFSN4）：529815144
章節(jié)列表
安裝 scikit-learn（t.cn/AiTpJulm）
用戶指南
1. 監(jiān)督學習（t.cn/AiTpJu8y）
1.1. 廣義線性模型（t.cn/AiTpJu16）
1.2. 線性和二次判別分析（t.cn/AiTpJuDL）
1.3. 內(nèi)核嶺回歸（t.cn/AiTpJ3PF）
1.4. 支持向量機（t.cn/AiTpJ3wk）
1.5. 隨機梯度下降（t.cn/AiTpJ34T）
1.6. 最近鄰（t.cn/AiTpJ3t7）
1.7. 高斯過程（t.cn/AiTpJ3Iu）
1.8. 交叉分解（t.cn/AiTpJ3XI）
1.9. 樸素貝葉斯（t.cn/AiTpJ3Kp）
1.10. 決策樹（t.cn/AiTpJ30W）
1.11. 集成方法（t.cn/AiTpJ3QP）
1.12. 多類和多標簽算法（t.cn/AiTpJ3us）
1.13. 特征選擇（t.cn/AiTpJ3ep）
1.14. 半監(jiān)督學習（t.cn/AiTpJ1PI）
1.15. 等式回歸（t.cn/AiTpJ1wi）
1.16. 概率校準（t.cn/AiTpJ14p）
1.17. 神經(jīng)網(wǎng)絡模型（有監(jiān)督）（t.cn/AiTpJ1Iw）
2. 無監(jiān)督學習（t.cn/AiTpJ19G）
2.1. 高斯混合模型（t.cn/AiTpJ1YX）
2.2. 流形學習（t.cn/AiTpJ1mp）
2.3. 聚類（t.cn/AiTpJ1gf）
2.4. 雙聚類（t.cn/AiTpJBhV）
2.5. 分解成分中的信號（矩陣分解問題）（t.cn/AiTpJBAj）
2.6. 協(xié)方差估計（t.cn/AiTpJB49）
2.7. 新奇和異常值檢測（t.cn/AiTpJBcW）
2.8. 密度估計（t.cn/AiTpJBi5）
2.9. 神經(jīng)網(wǎng)絡模型（無監(jiān)督）（t.cn/AiTpJB9G）
3. 模型選擇和評估（t.cn/AiTpJBON）
3.1. 交叉驗證：評估估算器的表現(xiàn)（t.cn/AiTpJBHT）
3.2. 調(diào)整估計器的超參數(shù)（t.cn/AiTpJB3d）
3.3. 模型評估: 量化預測的質(zhì)量（t.cn/AiTpJBDu）
3.4. 模型持久化（t.cn/AiTpJrhB）
3.5. 驗證曲線: 繪制分數(shù)以評估模型（t.cn/AiTpJr4x）
4. 檢驗（t.cn/AiTpJrI2）
4.1. 部分依賴圖（t.cn/AiTpJrSI）
5. 數(shù)據(jù)集轉換（t.cn/AiTpJr0X）
5.1. Pipeline（管道）和 FeatureUnion（特征聯(lián)合）: 合并的評估器（t.cn/AiTpJrTp）
5.2. 特征提?。╰.cn/AiTpJrn7）
5.3 預處理數(shù)據(jù)（t.cn/AiTpJdx6）
5.4 缺失值插補（t.cn/AiTpJdSI）
5.5. 無監(jiān)督降維（t.cn/AiTpJdOv）
5.6. 隨機投影（t.cn/AiTpJd8b）
5.7. 內(nèi)核近似（t.cn/AiTpJd1z）
5.8. 成對的矩陣, 類別和核函數(shù)（t.cn/AiTpJdDy）
5.9. 預測目標 (y) 的轉換（t.cn/AiTpJg7C）
6. 數(shù)據(jù)集加載工具（t.cn/AiTpJgy2）
6.1. 通用數(shù)據(jù)集 API（t.cn/AiTpJgy2）
6.2. 玩具數(shù)據(jù)集（t.cn/AiTpJgy2）
6.3 真實世界中的數(shù)據(jù)集（t.cn/AiTpJgy2）
6.4. 樣本生成器（t.cn/AiTpJgy2）
6.5. 加載其他數(shù)據(jù)集（t.cn/AiTpJgy2）
7. 使用scikit-learn計算（t.cn/AiTpJgeU）
7.1. 大規(guī)模計算的策略: 更大量的數(shù)據(jù)（t.cn/AiTpJgeU）
7.2. 計算性能（t.cn/AiTpJgeU）
7.3. 并行性、資源管理和配置（t.cn/AiTpJgeU）
教程（t.cn/AiTpJebG）
使用 scikit-learn 介紹機器學習（t.cn/AiTpJecf）
關于科學數(shù)據(jù)處理的統(tǒng)計學習教程（t.cn/AiTpJeih）
機器學習: scikit-learn 中的設置以及預估對象（t.cn/AiTpJeof）
監(jiān)督學習：從高維觀察預測輸出變量（t.cn/AiTpJepS）
模型選擇：選擇估計量及其參數(shù)（t.cn/AiTpJejW）
無監(jiān)督學習: 尋求數(shù)據(jù)表示（t.cn/AiTpJe8T）
把它們放在一起（t.cn/AiTpJe3X）
尋求幫助（t.cn/AiTpJegT）
處理文本數(shù)據(jù)（t.cn/AiTpJDv0）
選擇正確的評估器(estimator.md)（t.cn/AiTpJD2I）
外部資源，視頻和談話（t.cn/AiTpJDbe）
API 參考（t.cn/AiTpJDck）
常見問題（t.cn/AiTpJDJP）
時光軸（t.cn/AiTpJDaR）
流程
一、認領
首先查看整體進度（t.cn/AiTpJDC9），確認沒有人認領了你想認領的章節(jié)。
然后回復 ISSUE，注明“章節(jié) + QQ 號”（一定要留 QQ）。
二、校對
需要校對：
語法
術語使用
文檔格式
如果覺得現(xiàn)有翻譯不好，重新翻譯也是可以的。
三、提交
提交的時候不要改動文件名稱，即使它跟章節(jié)標題不一樣也不要改，因為文件名和原文的鏈接是對應的?。?！
fork Github 項目
修改docs/0.21.3中的文檔
push
pull request
請見 Github 入門指南（t.cn/AiCOHNbP）。
