scikit-learn 是基于 Python 语言的机器学习工具 简单高效的数据挖掘和数据分析工具 可供大家在各种环境中重复使用 建立在 NumPy ，SciPy 和 matplotlib 上 开源，可商业使用 - BSD许可证1.监督学习 1广义线性模型 °1.1.1普通最小二乘法 1.1.2岭回归 1.1.3LaSs0 o1.1.4多任务 Lasso 115弹性网络 o116多任务弹性网络 1.1.7最小角回归 1.1. 8 LARS Lasso 1.19正交匹配追踪法(OMP 1.1.1

模型选择问题是支持向量机的基本问题。基于核矩阵近似计算和正则化路径，提出一个新的支持向量机模型选择方法。 -α，证明KMA-α的近似偏差界定理，并得到支持矢量机的模型近似误差界。然后，提出近似模型选择算法AMSRP。该算法应用KMA-α计算的核矩阵的低秩近似来提高支持最后，通过标准数据集上的对比实验，验证了AMSRP的可行性和计算效率。实验结果显示，AMSRP可在保证测试集准确率的降低，显着地提高支持向量机模型选择的效率。理论分析与实验结果表明，AMSRP是一种合理，高效的模型选择算法。