Hands-On Machine Learning with Scikit-Learn & TensorFlow 中文版+英文版电子书+源码+数据

Hands-On Machine Learning with Scikit-Learn & TensorFlow 中文版+英文版电子书+源码+数据

“““
This module merges two files from Scikit-Learn 0.20 to make a few encoders
available for users using an earlier version:
    * sklearn/preprocessing/data.py （OneHotEncoder and CategoricalEncoder）
    * sklearn/compose/_column_transformer.py （ColumnTransformer）
I just copy/pasted the contents fixed the imports and __all__ and also
copied the definitions of three pipeline functions whose signature changes
in 0.20: _fit_one_transformer _transform_one and _fit_transform_one.
The original authors are listed below.
----
The :mod:‘sklearn.compose._column_transformer‘ module implements utilities
to work with heterogeneous data and to apply different transformers to
different columns.
“““
# Authors: Andreas Mueller 
#          Joris Van den Bossche 
# License: BSD 3 clause

from __future__ import division

import numbers
import warnings

import numpy as np
from scipy import sparse

from sklearn.base import clone baseEstimator TransformerMixin
from sklearn.externals import six
from sklearn.utils import Bunch check_array
from sklearn.externals.joblib.parallel import delayed Parallel
from sklearn.utils.metaestimators import _baseComposition
from sklearn.utils.validation import check_is_fitted FLOAT_DTYPES
from sklearn.pipeline import _name_estimators
from sklearn.preprocessing import FunctionTransformer
from sklearn.preprocessing.label import LabelEncoder

from itertools import chain


# weight and fit_params are not used but it allows _fit_one_transformer
# _transform_one and _fit_transform_one to have the same signature to
#  factorize the code in ColumnTransformer
def _fit_one_transformer（transformer X y weight=None **fit_params）:
    return transformer.fit（X y）


def _transform_one（transformer X y weight **fit_params）:
    res = transformer.transform（X）
    # if we have a weight for this transformer multiply output
    if weight is None:
        return res
    return res * weight


def _fit_transform_one（transformer X y weight **fit_params）:
    if hasattr（transformer ‘fit_transform‘）:
        res = transformer.fit_transform（X y **fit_params）
    else:
        res = transformer.fit（X y **fit_params）.transform（X）
    # if we have a weight for this transformer multiply output
    if weight is None:
        return res transformer
    return res * weight transformer


BOUNDS_THRESHOLD = 1e-7


zip = six.moves.zip
map = six.moves.map
range = six.moves.range

__all__ = [
    ‘OneHotEncoder‘
    ‘OrdinalEncoder‘
    ‘ColumnTransformer‘
    ‘make_column_transformer‘
]


def _argmax（arr_or_spmatrix axis=None）:
    return arr_or_spmatrix.argmax（axis=axis）


def _handle_zeros_in_scale（scale copy=True）:
    ‘‘‘ Makes sure that whenever scale is zero we handle it correctly.

    This happens in most scalers when we have constant features.‘‘‘

    # if we are fitting on 1D arrays scale might be a scalar
    if np.isscalar（scale）:
        if scale == .0:
            scale 

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件        195  2018-09-17 17:51  Hands-On Machine Learning with Scikit-Learn & TensorFlow-master-源码+数据\.gitignore

     文件     284756  2018-09-17 17:51  Hands-On Machine Learning with Scikit-Learn & TensorFlow-master-源码+数据\01_the_machine_learning_landscape.ipynb

     文件    1350273  2018-09-17 17:51  Hands-On Machine Learning with Scikit-Learn & TensorFlow-master-源码+数据\02_end_to_end_machine_learning_project.ipynb

     文件     447511  2018-09-17 17:51  Hands-On Machine Learning with Scikit-Learn & TensorFlow-master-源码+数据\03_classification.ipynb

     文件     851389  2018-09-17 17:51  Hands-On Machine Learning with Scikit-Learn & TensorFlow-master-源码+数据\04_training_linear_models.ipynb

     文件     914359  2018-09-17 17:51  Hands-On Machine Learning with Scikit-Learn & TensorFlow-master-源码+数据\05_support_vector_machines.ipynb

     文件     204214  2018-09-17 17:51  Hands-On Machine Learning with Scikit-Learn & TensorFlow-master-源码+数据\06_decision_trees.ipynb

     文件     553305  2018-09-17 17:51  Hands-On Machine Learning with Scikit-Learn & TensorFlow-master-源码+数据\07_ensemble_learning_and_random_forests.ipynb

     文件    5760930  2018-09-17 17:51  Hands-On Machine Learning with Scikit-Learn & TensorFlow-master-源码+数据\08_dimensionality_reduction.ipynb

     文件     203686  2018-09-17 17:51  Hands-On Machine Learning with Scikit-Learn & TensorFlow-master-源码+数据\09_up_and_running_with_tensorflow.ipynb

     文件     320538  2018-09-17 17:51  Hands-On Machine Learning with Scikit-Learn & TensorFlow-master-源码+数据\10_introduction_to_artificial_neural_networks.ipynb

     文件    1954346  2018-09-17 17:51  Hands-On Machine Learning with Scikit-Learn & TensorFlow-master-源码+数据\11_deep_learning.ipynb

     文件      24726  2018-09-17 17:51  Hands-On Machine Learning with Scikit-Learn & TensorFlow-master-源码+数据\12_distributed_tensorflow.ipynb

     文件    4981104  2018-09-17 17:51  Hands-On Machine Learning with Scikit-Learn & TensorFlow-master-源码+数据\13_convolutional_neural_networks.ipynb

     文件     674734  2018-09-17 17:51  Hands-On Machine Learning with Scikit-Learn & TensorFlow-master-源码+数据\14_recurrent_neural_networks.ipynb

     文件     349978  2018-09-17 17:51  Hands-On Machine Learning with Scikit-Learn & TensorFlow-master-源码+数据\15_autoencoders.ipynb

     文件    1415260  2018-09-17 17:51  Hands-On Machine Learning with Scikit-Learn & TensorFlow-master-源码+数据\16_reinforcement_learning.ipynb

     文件      48616  2018-09-17 17:51  Hands-On Machine Learning with Scikit-Learn & TensorFlow-master-源码+数据\book_equations.ipynb

     文件    1423529  2018-09-17 17:51  Hands-On Machine Learning with Scikit-Learn & TensorFlow-master-源码+数据\datasets\housing\housing.csv

     文件     409488  2018-09-17 17:51  Hands-On Machine Learning with Scikit-Learn & TensorFlow-master-源码+数据\datasets\housing\housing.tgz

     文件       3680  2018-09-17 17:51  Hands-On Machine Learning with Scikit-Learn & TensorFlow-master-源码+数据\datasets\housing\README.md

     文件      31674  2018-09-17 17:51  Hands-On Machine Learning with Scikit-Learn & TensorFlow-master-源码+数据\datasets\inception\imagenet_class_names.txt

     文件      36323  2018-09-17 17:51  Hands-On Machine Learning with Scikit-Learn & TensorFlow-master-源码+数据\datasets\lifesat\gdp_per_capita.csv

     文件     405467  2018-09-17 17:51  Hands-On Machine Learning with Scikit-Learn & TensorFlow-master-源码+数据\datasets\lifesat\oecd_bli_2015.csv

     文件       4311  2018-09-17 17:51  Hands-On Machine Learning with Scikit-Learn & TensorFlow-master-源码+数据\datasets\lifesat\README.md

     文件         32  2018-09-17 17:51  Hands-On Machine Learning with Scikit-Learn & TensorFlow-master-源码+数据\docker\.env

     文件         89  2018-09-17 17:51  Hands-On Machine Learning with Scikit-Learn & TensorFlow-master-源码+数据\docker\bashrc.bash

     文件       4986  2018-09-17 17:51  Hands-On Machine Learning with Scikit-Learn & TensorFlow-master-源码+数据\docker\bin\nbclean_checkpoints

     文件        583  2018-09-17 17:51  Hands-On Machine Learning with Scikit-Learn & TensorFlow-master-源码+数据\docker\bin\nbdiff_checkpoint

     文件       2136  2018-09-17 17:51  Hands-On Machine Learning with Scikit-Learn & TensorFlow-master-源码+数据\docker\bin\rm_empty_subdirs

............此处省略71个文件信息