API-Referenz

Dies ist die Klassen- und Funktionsreferenz von scikit-learn. Bitte konsultieren Sie das vollständige Benutzerhandbuch für weitere Details, da die rohen Spezifikationen von Klassen und Funktionen möglicherweise nicht ausreichen, um vollständige Richtlinien für ihre Verwendung zu geben. Für Referenzen zu Konzepten, die über die API hinweg wiederholt werden, siehe Glossar gängiger Begriffe und API-Elemente.

Objekt	Beschreibung
config_context	Kontextmanager, um die globale scikit-learn-Konfiguration vorübergehend zu ändern. sklearn
get_config	Aktuelle scikit-learn-Konfiguration abrufen. sklearn
set_config	Globale scikit-learn-Konfiguration festlegen. sklearn
show_versions	Nützliche Debugging-Informationen ausgeben. sklearn
BaseEstimator	Basisklasse für alle Schätzer in scikit-learn. sklearn.base
BiclusterMixin	Mixin-Klasse für alle Bicluster-Schätzer in scikit-learn. sklearn.base
ClassNamePrefixFeaturesOutMixin	Mixin-Klasse für Transformer, die ihre Namen durch Präfixierung generieren. sklearn.base
ClassifierMixin	Mixin-Klasse für alle Klassifikatoren in scikit-learn. sklearn.base
ClusterMixin	Mixin-Klasse für alle Cluster-Schätzer in scikit-learn. sklearn.base
DensityMixin	Mixin-Klasse für alle Dichte-Schätzer in scikit-learn. sklearn.base
MetaEstimatorMixin	Mixin-Klasse für alle Meta-Schätzer in scikit-learn. sklearn.base
OneToOneFeatureMixin	Bietet get_feature_names_out für einfache Transformer. sklearn.base
OutlierMixin	Mixin-Klasse für alle Ausreißererkennungs-Schätzer in scikit-learn. sklearn.base
RegressorMixin	Mixin-Klasse für alle Regressions-Schätzer in scikit-learn. sklearn.base
TransformerMixin	Mixin-Klasse für alle Transformer in scikit-learn. sklearn.base
clone	Konstruiert einen neuen, nicht angepassten Schätzer mit denselben Parametern. sklearn.base
is_classifier	Gibt True zurück, wenn der gegebene Schätzer (wahrscheinlich) ein Klassifikator ist. sklearn.base
is_clusterer	Gibt True zurück, wenn der gegebene Schätzer (wahrscheinlich) ein Cluster-Algorithmus ist. sklearn.base
is_regressor	Gibt True zurück, wenn der gegebene Schätzer (wahrscheinlich) ein Regressor ist. sklearn.base
is_outlier_detector	Gibt True zurück, wenn der gegebene Schätzer (wahrscheinlich) ein Ausreißerdetektor ist. sklearn.base
CalibratedClassifierCV	Kalibriert Wahrscheinlichkeiten mittels isotonischer, sigmoidaler oder temperaturabhängiger Skalierung. sklearn.calibration
calibration_curve	Berechnet wahre und vorhergesagte Wahrscheinlichkeiten für eine Kalibrierungskurve. sklearn.calibration
CalibrationDisplay	Visualisierung der Kalibrierungskurve (auch bekannt als Zuverlässigkeitsdiagramm). sklearn.calibration
AffinityPropagation	Führt Affinity Propagation Clustering von Daten durch. sklearn.cluster
AgglomerativeClustering	Agglomeratives Clustering. sklearn.cluster
Birch	Implementiert den BIRCH-Clustering-Algorithmus. sklearn.cluster
BisectingKMeans	Bisecting K-Means-Clustering. sklearn.cluster
DBSCAN	Führt DBSCAN-Clustering aus einer Vektor- oder Distanzmatrix durch. sklearn.cluster
FeatureAgglomeration	Mergt Merkmale. sklearn.cluster
HDBSCAN	Cluster Daten mittels hierarchischem dichte-basiertem Clustering. sklearn.cluster
KMeans	K-Means-Clustering. sklearn.cluster
MeanShift	Mean Shift Clustering mit einem flachen Kernel. sklearn.cluster
MiniBatchKMeans	Mini-Batch K-Means-Clustering. sklearn.cluster
OPTICS	Schätzt die Clustering-Struktur aus einer Vektor-Array. sklearn.cluster
SpectralBiclustering	Spektrales Biclustering (Kluger, 2003) [R2af9f5762274-1]. sklearn.cluster
SpectralClustering	Wendet Clustering auf eine Projektion des normalisierten Laplace-Operators an. sklearn.cluster
SpectralCoclustering	Spektraler Co-Clustering-Algorithmus (Dhillon, 2001) [R0dd0f3306ba7-1]. sklearn.cluster
affinity_propagation	Führt Affinity Propagation Clustering von Daten durch. sklearn.cluster
cluster_optics_dbscan	Führt eine DBSCAN-Extraktion für ein beliebiges Epsilon durch. sklearn.cluster
cluster_optics_xi	Extrahiert automatisch Cluster gemäß der Xi-Steep-Methode. sklearn.cluster
compute_optics_graph	Berechnet den OPTICS-Erreichbarkeitsgraphen. sklearn.cluster
dbscan	Führt DBSCAN-Clustering aus einer Vektor- oder Distanzmatrix durch. sklearn.cluster
estimate_bandwidth	Schätzt die Bandbreite für die Verwendung mit dem Mean-Shift-Algorithmus. sklearn.cluster
k_means	Führt den K-Means-Clustering-Algorithmus durch. sklearn.cluster
kmeans_plusplus	Initialisiert n_clusters-Seeds gemäß k-means++. sklearn.cluster
mean_shift	Führt Mean Shift Clustering von Daten mit einem flachen Kernel durch. sklearn.cluster
spectral_clustering	Wendet Clustering auf eine Projektion des normalisierten Laplace-Operators an. sklearn.cluster
ward_tree	Ward-Clustering basierend auf einer Merkmalsmatrix. sklearn.cluster
ColumnTransformer	Wendet Transformer auf Spalten eines Arrays oder einer Pandas DataFrame an. sklearn.compose
TransformedTargetRegressor	Meta-Schätzer zur Regression auf ein transformiertes Ziel. sklearn.compose
make_column_selector	Erstellt eine aufrufbare Funktion zur Auswahl von Spalten, die mit sklearn.compose
make_column_transformer	Konstruiert einen ColumnTransformer aus den gegebenen Transformern. sklearn.compose
EllipticEnvelope	Objekt zur Erkennung von Ausreißern in einem Gauß'schen Datensatz. sklearn.covariance
EmpiricalCovariance	Maximale Likelihood Kovarianz-Schätzer. sklearn.covariance
GraphicalLasso	Schätzung der dünnen Kovarianz mit einem l1-penalisierten Schätzer. sklearn.covariance
GraphicalLassoCV	Dünne Kovarianz mit kreuzvalidierter Auswahl der l1-Strafe. sklearn.covariance
LedoitWolf	LedoitWolf-Schätzer. sklearn.covariance
MinCovDet	Minimum Covariance Determinant (MCD): robuster Schätzer der Kovarianz. sklearn.covariance
OAS	Oracle Approximating Shrinkage Estimator. sklearn.covariance
ShrunkCovariance	Kovarianz-Schätzer mit Schrumpfung. sklearn.covariance
empirical_covariance	Berechnet den Kovarianz-Schätzer der maximalen Likelihood. sklearn.covariance
graphical_lasso	L1-penalisierter Kovarianz-Schätzer. sklearn.covariance
ledoit_wolf	Schätzt die geschrumpfte Ledoit-Wolf-Kovarianzmatrix. sklearn.covariance
ledoit_wolf_shrinkage	Schätzt die geschrumpfte Ledoit-Wolf-Kovarianzmatrix. sklearn.covariance
oas	Schätzt Kovarianz mit dem Oracle Approximating Shrinkage. sklearn.covariance
shrunk_covariance	Berechnet Kovarianzmatrizen, die auf der Diagonalen geschrumpft sind. sklearn.covariance
CCA	Kanonische Korrelationsanalyse, auch bekannt als "Mode B" PLS. sklearn.cross_decomposition
PLSCanonical	Partial Least Squares Transformer und Regressor. sklearn.cross_decomposition
PLSRegression	PLS-Regression. sklearn.cross_decomposition
PLSSVD	Partial Least Square SVD. sklearn.cross_decomposition
clear_data_home	Löscht den gesamten Inhalt des Daten-Cache. sklearn.datasets
dump_svmlight_file	Speichert den Datensatz im svmlight / libsvm-Dateiformat. sklearn.datasets
fetch_20newsgroups	Lädt die Dateinamen und Daten aus dem 20 newsgroups Datensatz (Klassifikation). sklearn.datasets
fetch_20newsgroups_vectorized	Lädt und vektorisiert den 20 newsgroups Datensatz (Klassifikation). sklearn.datasets
fetch_california_housing	Lädt den California Housing Datensatz (Regression). sklearn.datasets
fetch_covtype	Lädt den covertype Datensatz (Klassifikation). sklearn.datasets
fetch_file	Ruft eine Datei aus dem Web ab, falls sie nicht bereits im lokalen Ordner vorhanden ist. sklearn.datasets
fetch_kddcup99	Lädt den kddcup99 Datensatz (Klassifikation). sklearn.datasets
fetch_lfw_pairs	Lädt den Labeled Faces in the Wild (LFW) Pairs Datensatz (Klassifikation). sklearn.datasets
fetch_lfw_people	Lädt den Labeled Faces in the Wild (LFW) People Datensatz (Klassifikation). sklearn.datasets
fetch_olivetti_faces	Lädt den Olivetti Faces Datensatz von AT&T (Klassifikation). sklearn.datasets
fetch_openml	Ruft den Datensatz von openml nach Name oder Datensatz-ID ab. sklearn.datasets
fetch_rcv1	Lädt den RCV1 Multilabel Datensatz (Klassifikation). sklearn.datasets
fetch_species_distributions	Lader für den Artenverteilungsdatensatz von Phillips et al. (2006). sklearn.datasets
get_data_home	Gibt den Pfad des scikit-learn Datenverzeichnisses zurück. sklearn.datasets
load_breast_cancer	Lädt und gibt den Brustkrebs Wisconsin Datensatz (Klassifikation) zurück. sklearn.datasets
load_diabetes	Lädt und gibt den Diabetes Datensatz (Regression) zurück. sklearn.datasets
load_digits	Lädt und gibt den Ziffern Datensatz (Klassifikation) zurück. sklearn.datasets
load_files	Lädt Textdateien mit Kategorien als Unterordnernamen. sklearn.datasets
load_iris	Lädt und gibt den Iris Datensatz (Klassifikation) zurück. sklearn.datasets
load_linnerud	Lädt und gibt den Linnerud Datensatz für körperliche Übungen zurück. sklearn.datasets
load_sample_image	Lädt das Numpy-Array eines einzelnen Beispielbildes. sklearn.datasets
load_sample_images	Lädt Beispielbilder für die Bildbearbeitung. sklearn.datasets
load_svmlight_file	Lädt Datensätze im svmlight / libsvm-Format in eine dünne CSR-Matrix. sklearn.datasets
load_svmlight_files	Lädt Datensätze aus mehreren Dateien im SVMlight-Format. sklearn.datasets
load_wine	Lädt und gibt den Wein Datensatz (Klassifikation) zurück. sklearn.datasets
make_biclusters	Generiert ein Array mit konstanter Blockdiagonalstruktur für Biclustering. sklearn.datasets
make_blobs	Generiert isotrope Gaußsche Klumpen für das Clustering. sklearn.datasets
make_checkerboard	Generiert ein Array mit Block-Schachbrettstruktur für Biclustering. sklearn.datasets
make_circles	Erstellt einen großen Kreis, der einen kleineren Kreis in 2D enthält. sklearn.datasets
make_classification	Generiert eine zufällige Klassifikationsaufgabe mit n Klassen. sklearn.datasets
make_friedman1	Generiert das Regressionsproblem "Friedman #1". sklearn.datasets
make_friedman2	Generiert das Regressionsproblem "Friedman #2". sklearn.datasets
make_friedman3	Generiert das Regressionsproblem "Friedman #3". sklearn.datasets
make_gaussian_quantiles	Generiert isotrope Gaußsche und beschriftete Stichproben nach Quantilen. sklearn.datasets
make_hastie_10_2	Generiert Daten für binäre Klassifikation, wie in Hastie et al. 2009, Beispiel 10.2. sklearn.datasets
make_low_rank_matrix	Generiert eine hauptsächlich niedrigrangige Matrix mit glockenförmigen singulären Werten. sklearn.datasets
make_moons	Erstellt zwei sich abwechselnde Halbkreise. sklearn.datasets
make_multilabel_classification	Generiert eine zufällige Multilabel-Klassifikationsaufgabe. sklearn.datasets
make_regression	Generiert ein zufälliges Regressionsproblem. sklearn.datasets
make_s_curve	Generiert einen S-Kurven-Datensatz. sklearn.datasets
make_sparse_coded_signal	Generiert ein Signal als dünne Kombination von Wörterbuchelementen. sklearn.datasets
make_sparse_spd_matrix	Generiert eine dünne symmetrische positiv-definite Matrix. sklearn.datasets
make_sparse_uncorrelated	Generiert ein zufälliges Regressionsproblem mit dünnem, unkorreliertem Design. sklearn.datasets
make_spd_matrix	Generiert eine zufällige symmetrische, positiv-definite Matrix. sklearn.datasets
make_swiss_roll	Generiert einen Swiss-Roll-Datensatz. sklearn.datasets
DictionaryLearning	Dictionary Learning. sklearn.decomposition
FactorAnalysis	Faktoranalyse (FA). sklearn.decomposition
FastICA	FastICA: Ein schneller Algorithmus für Independent Component Analysis. sklearn.decomposition
IncrementalPCA	Inkrementelle Hauptkomponentenanalyse (IPCA). sklearn.decomposition
KernelPCA	Kernel Hauptkomponentenanalyse (KPCA). sklearn.decomposition
LatentDirichletAllocation	Latent Dirichlet Allocation mit Online-Variational-Bayes-Algorithmus. sklearn.decomposition
MiniBatchDictionaryLearning	Mini-Batch Dictionary Learning. sklearn.decomposition
MiniBatchNMF	Mini-Batch Non-Negative Matrix Factorization (NMF). sklearn.decomposition
MiniBatchSparsePCA	Mini-Batch Sparse Principal Components Analysis. sklearn.decomposition
NMF	Non-Negative Matrix Factorization (NMF). sklearn.decomposition
PCA	Hauptkomponentenanalyse (PCA). sklearn.decomposition
SparseCoder	Sparse Coding. sklearn.decomposition
SparsePCA	Sparse Principal Components Analysis (SparsePCA). sklearn.decomposition
TruncatedSVD	Dimensionsreduktion mittels tronierter SVD (auch bekannt als LSA). sklearn.decomposition
dict_learning	Löst ein Dictionary-Learning-Matrixfaktorisierungsproblem. sklearn.decomposition
dict_learning_online	Löst ein Dictionary-Learning-Matrixfaktorisierungsproblem online. sklearn.decomposition
fastica	Führt Fast Independent Component Analysis durch. sklearn.decomposition
non_negative_factorization	Berechnet Non-negative Matrix Factorization (NMF). sklearn.decomposition
sparse_encode	Sparse Coding. sklearn.decomposition
LinearDiscriminantAnalysis	Lineare Diskriminanzanalyse. sklearn.discriminant_analysis
QuadraticDiscriminantAnalysis	Quadratische Diskriminanzanalyse. sklearn.discriminant_analysis
DummyClassifier	DummyClassifier trifft Vorhersagen, die die Eingabemerkmale ignorieren. sklearn.dummy
DummyRegressor	Regressor, der Vorhersagen nach einfachen Regeln trifft. sklearn.dummy
AdaBoostClassifier	Ein AdaBoost-Klassifikator. sklearn.ensemble
AdaBoostRegressor	Ein AdaBoost-Regressor. sklearn.ensemble
BaggingClassifier	Ein Bagging-Klassifikator. sklearn.ensemble
BaggingRegressor	Ein Bagging-Regressor. sklearn.ensemble
ExtraTreesClassifier	Ein Extra-Trees-Klassifikator. sklearn.ensemble
ExtraTreesRegressor	Ein Extra-Trees-Regressor. sklearn.ensemble
GradientBoostingClassifier	Gradient Boosting für Klassifikation. sklearn.ensemble
GradientBoostingRegressor	Gradient Boosting für Regression. sklearn.ensemble
HistGradientBoostingClassifier	Histogramm-basierter Gradient Boosting Klassifikationsbaum. sklearn.ensemble
HistGradientBoostingRegressor	Histogramm-basierter Gradient Boosting Regressionsbaum. sklearn.ensemble
IsolationForest	Isolation Forest Algorithmus. sklearn.ensemble
RandomForestClassifier	Ein Random-Forest-Klassifikator. sklearn.ensemble
RandomForestRegressor	Ein Random-Forest-Regressor. sklearn.ensemble
RandomTreesEmbedding	Ein Ensemble von völlig zufälligen Bäumen. sklearn.ensemble
StackingClassifier	Stapel von Schätzern mit einem abschließenden Klassifikator. sklearn.ensemble
StackingRegressor	Stapel von Schätzern mit einem abschließenden Regressor. sklearn.ensemble
VotingClassifier	Soft Voting/Majority Rule Klassifikator für nicht angepasste Schätzer. sklearn.ensemble
VotingRegressor	Vorhersage-Voting-Regressor für nicht angepasste Schätzer. sklearn.ensemble
ConvergenceWarning	Benutzerdefinierte Warnung zur Erfassung von Konvergenzproblemen sklearn.exceptions
DataConversionWarning	Warnung, die verwendet wird, um auf implizite Datenkonvertierungen im Code hinzuweisen. sklearn.exceptions
DataDimensionalityWarning	Benutzerdefinierte Warnung, die auf potenzielle Probleme mit der Datendimension aufmerksam macht. sklearn.exceptions
EfficiencyWarning	Warnung, die verwendet wird, um den Benutzer auf ineffiziente Berechnungen hinzuweisen. sklearn.exceptions
FitFailedWarning	Warnungsklasse, die verwendet wird, wenn beim Anpassen des Schätzers ein Fehler auftritt. sklearn.exceptions
InconsistentVersionWarning	Warnung, die ausgegeben wird, wenn ein Schätzer mit inkonsistenter Version entpickelt wird. sklearn.exceptions
NotFittedError	Ausnahmeklasse, die ausgelöst wird, wenn ein Schätzer vor der Anpassung verwendet wird. sklearn.exceptions
UndefinedMetricWarning	Warnung, die ausgegeben wird, wenn die Metrik ungültig ist sklearn.exceptions
EstimatorCheckFailedWarning	Warnung, die ausgegeben wird, wenn ein Schätzer-Check aus den allgemeinen Tests fehlschlägt. sklearn.exceptions
enable_halving_search_cv	Aktiviert Successive Halving Suchschätzer sklearn.experimental
enable_iterative_imputer	Aktiviert IterativeImputer sklearn.experimental
DictVectorizer	Transformiert Listen von Merkmalswertzuordnungen in Vektoren. sklearn.feature_extraction
FeatureHasher	Implementiert Feature Hashing, auch bekannt als Hashing Trick. sklearn.feature_extraction
PatchExtractor	Extrahiert Patches aus einer Sammlung von Bildern. sklearn.feature_extraction.image
extract_patches_2d	Formt ein 2D-Bild in eine Sammlung von Patches um. sklearn.feature_extraction.image
grid_to_graph	Graph der Pixel-zu-Pixel-Verbindungen. sklearn.feature_extraction.image
img_to_graph	Graph der Pixel-zu-Pixel-Gradientenverbindungen. sklearn.feature_extraction.image
reconstruct_from_patches_2d	Rekonstruiert das Bild aus all seinen Patches. sklearn.feature_extraction.image
CountVectorizer	Konvertiert eine Sammlung von Textdokumenten in eine Matrix von Token-Zählungen. sklearn.feature_extraction.text
HashingVectorizer	Konvertiert eine Sammlung von Textdokumenten in eine Matrix von Token-Vorkommen. sklearn.feature_extraction.text
TfidfTransformer	Transformiert eine Zählmatrix in eine normalisierte TF- oder TF-IDF-Darstellung. sklearn.feature_extraction.text
TfidfVectorizer	Konvertiert eine Sammlung von Rohdokumenten in eine Matrix von TF-IDF-Merkmalen. sklearn.feature_extraction.text
GenericUnivariateSelect	Univariater Merkmalsselektor mit konfigurierbarer Strategie. sklearn.feature_selection
RFE	Merkmalsranking mit rekursivem Merkmals-Eliminierung. sklearn.feature_selection
RFECV	Rekursive Merkmals-Eliminierung mit Kreuzvalidierung zur Merkmalsauswahl. sklearn.feature_selection
SelectFdr	Filter: Wählt die p-Werte für eine geschätzte False Discovery Rate. sklearn.feature_selection
SelectFpr	Filter: Wählt p-Werte unterhalb von alpha basierend auf einem FPR-Test aus. sklearn.feature_selection
SelectFromModel	Meta-Transformer zur Auswahl von Merkmalen basierend auf Wichtigkeitsgewichtungen. sklearn.feature_selection
SelectFwe	Filter: Wählt die p-Werte, die der Family-wise Error Rate entsprechen. sklearn.feature_selection
SelectKBest	Wählt Merkmale nach den k höchsten Punktzahlen aus. sklearn.feature_selection
SelectPercentile	Wählt Merkmale nach einem Perzentil der höchsten Punktzahlen aus. sklearn.feature_selection
SelectorMixin	Transformer-Mixin, das Merkmalsauswahl basierend auf einer Unterstützungsmaske durchführt sklearn.feature_selection
SequentialFeatureSelector	Transformer, der Sequential Feature Selection durchführt. sklearn.feature_selection
VarianceThreshold	Merkmalsselektor, der alle Merkmale mit geringer Varianz entfernt. sklearn.feature_selection
chi2	Berechnet Chi-Quadrat-Statistiken zwischen jedem nicht-negativen Merkmal und der Klasse. sklearn.feature_selection
f_classif	Berechnet den ANOVA F-Wert für die gegebene Stichprobe. sklearn.feature_selection
f_regression	Univariate lineare Regressionstests, die F-Statistik und p-Werte zurückgeben. sklearn.feature_selection
mutual_info_classif	Schätzt die gegenseitige Information für eine diskrete Zielvariable. sklearn.feature_selection
mutual_info_regression	Schätzt die gegenseitige Information für eine kontinuierliche Zielvariable. sklearn.feature_selection
r_regression	Berechnet das Pearson'sche r für jedes Merkmal und das Ziel. sklearn.feature_selection
FrozenEstimator	Schätzer, der einen angepassten Schätzer umhüllt, um eine erneute Anpassung zu verhindern. sklearn.frozen
GaussianProcessClassifier	Gauß'sche Prozess-Klassifikation (GPC) basierend auf Laplace-Approximation. sklearn.gaussian_process
GaussianProcessRegressor	Gauß'sche Prozess-Regression (GPR). sklearn.gaussian_process
CompoundKernel	Kernel, der aus einer Menge anderer Kernel besteht. sklearn.gaussian_process.kernels
ConstantKernel	Konstanter Kernel. sklearn.gaussian_process.kernels
DotProduct	Punktprodukt-Kernel. sklearn.gaussian_process.kernels
ExpSineSquared	Exp-Sine-Squared Kernel (auch bekannt als periodischer Kernel). sklearn.gaussian_process.kernels
Exponentiation	Der Exponentiationskernel nimmt einen Basiskernel und einen skalaren Parameter sklearn.gaussian_process.kernels
Hyperparameter	Eine Spezifikation eines Kernel-Hyperparameters in Form eines namedtuple. sklearn.gaussian_process.kernels
Kernel	Basisklasse für alle Kernel. sklearn.gaussian_process.kernels
Matern	Matern-Kernel. sklearn.gaussian_process.kernels
PairwiseKernel	Wrapper für Kernel in sklearn.metrics.pairwise. sklearn.gaussian_process.kernels
Product	Der Product-Kernel nimmt zwei Kernel \(k_1\) und \(k_2\) sklearn.gaussian_process.kernels
RBF	Radialbasis-Funktionskernel (auch bekannt als quadratisch-exponentieller Kernel). sklearn.gaussian_process.kernels
RationalQuadratic	Rationaler quadratischer Kernel. sklearn.gaussian_process.kernels
Sum	Der Sum-Kernel nimmt zwei Kernel \(k_1\) und \(k_2\) sklearn.gaussian_process.kernels
WhiteKernel	Weißer Kernel. sklearn.gaussian_process.kernels
IterativeImputer	Multivariater Imputer, der jedes Merkmal aus allen anderen schätzt. sklearn.impute
KNNImputer	Imputation zur Vervollständigung fehlender Werte mittels k-Nächste Nachbarn. sklearn.impute
MissingIndicator	Binäre Indikatoren für fehlende Werte. sklearn.impute
SimpleImputer	Univariater Imputer zur Vervollständigung fehlender Werte mit einfachen Strategien. sklearn.impute
partial_dependence	Partielle Abhängigkeit von features. sklearn.inspection
permutation_importance	Permutations-Wichtigkeit zur Merkmalsbewertung [Rd9e56ef97513-BRE]. sklearn.inspection
DecisionBoundaryDisplay	Visualisierung von Entscheidungsgrenzen. sklearn.inspection
PartialDependenceDisplay	Partial Dependence Plot (PDP) und Individual Conditional Expectation (ICE). sklearn.inspection
IsotonicRegression	Isotonischer Regressionsmodell. sklearn.isotonic
check_increasing	Bestimmt, ob y monoton mit x korreliert ist. sklearn.isotonic
isotonic_regression	Löst das isotonische Regressionsmodell. sklearn.isotonic
AdditiveChi2Sampler	Approximiert eine Merkmalsabbildung für den additiven Chi2-Kernel. sklearn.kernel_approximation
Nystroem	Approximiert eine Kernel-Abbildung mittels einer Teilmenge der Trainingsdaten. sklearn.kernel_approximation
PolynomialCountSketch	Polynomialer Kernel-Approximation mittels Tensor Sketch. sklearn.kernel_approximation
RBFSampler	Approximiert eine RBF-Kernel-Merkmalsabbildung mittels zufälliger Fourier-Merkmale. sklearn.kernel_approximation
SkewedChi2Sampler	Approximiert eine Merkmalsabbildung für den "skewed chi-squared"-Kernel. sklearn.kernel_approximation
KernelRidge	Kernel-Regressionsanalyse. sklearn.kernel_ridge
LogisticRegression	Logistische Regression (auch bekannt als Logit, MaxEnt) Klassifikator. sklearn.linear_model
LogisticRegressionCV	Logistische Regression CV (auch bekannt als Logit, MaxEnt) Klassifikator. sklearn.linear_model
PassiveAggressiveClassifier	Passiver aggressiver Klassifikator. sklearn.linear_model
Perceptron	Linearer Perzeptron-Klassifikator. sklearn.linear_model
RidgeClassifier	Klassifikator mittels Ridge-Regression. sklearn.linear_model
RidgeClassifierCV	Ridge-Klassifikator mit integrierter Kreuzvalidierung. sklearn.linear_model
SGDClassifier	Lineare Klassifikatoren (SVM, logistische Regression, etc.) mit SGD-Training. sklearn.linear_model
SGDOneClassSVM	Löst lineare One-Class-SVM mit stochastischem Gradientenabstieg. sklearn.linear_model
LinearRegression	Normales Kleinste-Quadrate-Linearmodell. sklearn.linear_model
Ridge	Lineare Kleinste-Quadrate mit l2-Regularisierung. sklearn.linear_model
RidgeCV	Ridge-Regression mit integrierter Kreuzvalidierung. sklearn.linear_model
SGDRegressor	Lineares Modell, das durch Minimierung eines regularisierten empirischen Verlusts mit SGD angepasst wird. sklearn.linear_model
ElasticNet	Lineares Modell mit kombinierter L1- und L2-Prior als Regularisator. sklearn.linear_model
ElasticNetCV	Elastic Net Modell mit iterativem Anpassen entlang eines Regularisierungspfades. sklearn.linear_model
Lars	Least Angle Regression Modell, auch bekannt als LAR. sklearn.linear_model
LarsCV	Kreuzvalidiertes Least Angle Regression Modell. sklearn.linear_model
Lasso	Lineares Modell, trainiert mit L1-Prior als Regularisator (auch bekannt als Lasso). sklearn.linear_model
LassoCV	Lasso-Linearmodell mit iterativem Anpassen entlang eines Regularisierungspfades. sklearn.linear_model
LassoLars	Lasso-Modell, angepasst mit Least Angle Regression, auch bekannt als Lars. sklearn.linear_model
LassoLarsCV	Kreuzvalidiertes Lasso unter Verwendung des LARS-Algorithmus. sklearn.linear_model
LassoLarsIC	Lasso-Modell, angepasst mit Lars, unter Verwendung von BIC oder AIC zur Modellauswahl. sklearn.linear_model
OrthogonalMatchingPursuit	Orthogonal Matching Pursuit Modell (OMP). sklearn.linear_model
OrthogonalMatchingPursuitCV	Kreuzvalidiertes Orthogonal Matching Pursuit Modell (OMP). sklearn.linear_model
ARDRegression	Bayes'sche ARD-Regression. sklearn.linear_model
BayesianRidge	Bayes'sche Ridge-Regression. sklearn.linear_model
MultiTaskElasticNet	Multi-Task ElasticNet Modell, trainiert mit L1/L2 Mixed-Norm als Regularisator. sklearn.linear_model
MultiTaskElasticNetCV	Multi-Task L1/L2 ElasticNet mit integrierter Kreuzvalidierung. sklearn.linear_model
MultiTaskLasso	Multi-Task Lasso Modell, trainiert mit L1/L2 Mixed-Norm als Regularisator. sklearn.linear_model
MultiTaskLassoCV	Multi-Task Lasso Modell, trainiert mit L1/L2 Mixed-Norm als Regularisator. sklearn.linear_model
HuberRegressor	L2-regularisiertes lineares Regressionsmodell, das robust gegenüber Ausreißern ist. sklearn.linear_model
QuantileRegressor	Lineares Regressionsmodell, das bedingte Quantile vorhersagt. sklearn.linear_model
RANSACRegressor	RANSAC (RANdom SAmple Consensus) Algorithmus. sklearn.linear_model
TheilSenRegressor	Theil-Sen Estimator: robuster multivariater Regressionsmodell. sklearn.linear_model
GammaRegressor	Generalisiertes lineares Modell mit einer Gamma-Verteilung. sklearn.linear_model
PoissonRegressor	Generalisiertes lineares Modell mit einer Poisson-Verteilung. sklearn.linear_model
TweedieRegressor	Generalisiertes lineares Modell mit einer Tweedie-Verteilung. sklearn.linear_model
PassiveAggressiveRegressor	Passiver aggressiver Regressor. sklearn.linear_model
enet_path	Berechnet den Elastic Net-Pfad mit Koordinatenabstieg. sklearn.linear_model
lars_path	Berechnet den Least Angle Regression oder Lasso-Pfad mit dem LARS-Algorithmus. sklearn.linear_model
lars_path_gram	Der lars_path im Modus der ausreichenden Statistiken. sklearn.linear_model
lasso_path	Berechnet den Lasso-Pfad mit Koordinatenabstieg. sklearn.linear_model
orthogonal_mp	Orthogonal Matching Pursuit (OMP). sklearn.linear_model
orthogonal_mp_gram	Gram Orthogonal Matching Pursuit (OMP). sklearn.linear_model
ridge_regression	Löst die Ridge-Gleichung nach der Methode der Normalgleichungen. sklearn.linear_model
ClassicalMDS	Klassisches multidimensionales Scaling (MDS). sklearn.manifold
Isomap	Isomap Einbettung. sklearn.manifold
LocallyLinearEmbedding	Locally Linear Embedding. sklearn.manifold
MDS	Multidimensionales Scaling. sklearn.manifold
SpectralEmbedding	Spektrale Einbettung für nichtlineare Dimensionsreduktion. sklearn.manifold
TSNE	T-distributed Stochastic Neighbor Embedding. sklearn.manifold
locally_linear_embedding	Führt eine Locally Linear Embedding Analyse an den Daten durch. sklearn.manifold
smacof	Berechnet multidimensionales Scaling mit dem SMACOF-Algorithmus. sklearn.manifold
spectral_embedding	Projiziert die Stichprobe auf die ersten Eigenvektoren des Graphen-Laplace-Operators. sklearn.manifold
trustworthiness	Gibt an, inwieweit die lokale Struktur erhalten bleibt. sklearn.manifold
check_scoring	Bestimmt den Scorer anhand von Benutzeroptionen. sklearn.metrics
get_scorer	Ruft einen Scorer anhand von Strings ab. sklearn.metrics
get_scorer_names	Ruft die Namen aller verfügbaren Scorer ab. sklearn.metrics
make_scorer	Erstellt einen Scorer aus einer Leistungsmetrik oder Verlustfunktion. sklearn.metrics
accuracy_score	Genauigkeits-Klassifikationsergebnis. sklearn.metrics
auc	Berechnet die Fläche unter der Kurve (AUC) mittels der Trapezregel. sklearn.metrics
average_precision_score	Berechnet die durchschnittliche Präzision (AP) aus Vorhersageergebnissen. sklearn.metrics
balanced_accuracy_score	Berechnet die ausgewogene Genauigkeit. sklearn.metrics
brier_score_loss	Berechnet den Brier Score Verlust. sklearn.metrics
class_likelihood_ratios	Berechnet die positiven und negativen Likelihood-Verhältnisse für die binäre Klassifikation. sklearn.metrics
classification_report	Erstellt einen Textbericht, der die wichtigsten Klassifikationsmetriken zeigt. sklearn.metrics
cohen_kappa_score	Berechnet den Cohen's Kappa: eine Statistik, die die Übereinstimmung zwischen den Annotatoren misst. sklearn.metrics
confusion_matrix	Berechnet die Konfusionsmatrix zur Bewertung der Genauigkeit einer Klassifikation. sklearn.metrics
confusion_matrix_at_thresholds	Berechne Terme der binären Konfusionsmatrix pro Klassifizierungsschwelle. sklearn.metrics
d2_brier_score	D² Score-Funktion, Bruchteil des erklärten Brier-Scores. sklearn.metrics
d2_log_loss_score	D² Score-Funktion, Bruchteil des erklärten Log-Loss. sklearn.metrics
dcg_score	Berechne Discounted Cumulative Gain. sklearn.metrics
det_curve	Berechne Detection Error Tradeoff (DET) für verschiedene Wahrscheinlichkeitsschwellen. sklearn.metrics
f1_score	Berechne den F1-Score, auch bekannt als Balanced F-Score oder F-Maß. sklearn.metrics
fbeta_score	Berechne den F-beta-Score. sklearn.metrics
hamming_loss	Berechne den durchschnittlichen Hamming-Verlust. sklearn.metrics
hinge_loss	Durchschnittlicher Hinge-Verlust (nicht regularisiert). sklearn.metrics
jaccard_score	Jaccard-Ähnlichkeitskoeffizient-Score. sklearn.metrics
log_loss	Log-Loss, auch bekannt als logistischer Verlust oder Kreuzentropieverlust. sklearn.metrics
matthews_corrcoef	Berechne den Matthews-Korrelationskoeffizienten (MCC). sklearn.metrics
multilabel_confusion_matrix	Berechne eine Konfusionsmatrix für jede Klasse oder Stichprobe. sklearn.metrics
ndcg_score	Berechne Normalized Discounted Cumulative Gain. sklearn.metrics
precision_recall_curve	Berechne Präzisions-Recall-Paare für verschiedene Wahrscheinlichkeitsschwellen. sklearn.metrics
precision_recall_fscore_support	Berechne Präzision, Recall, F-Maß und Support für jede Klasse. sklearn.metrics
precision_score	Berechne die Präzision. sklearn.metrics
recall_score	Berechne den Recall. sklearn.metrics
roc_auc_score	Berechne die Fläche unter der Receiver Operating Characteristic Curve (ROC AUC) aus den Vorhersagescores. sklearn.metrics
roc_curve	Berechne die Receiver operating characteristic (ROC). sklearn.metrics
top_k_accuracy_score	Top-k Genauigkeitsklassifikations-Score. sklearn.metrics
zero_one_loss	Null-Eins-Klassifikationsverlust. sklearn.metrics
d2_absolute_error_score	D² Regressions-Score-Funktion, Bruchteil des erklärten absoluten Fehlers. sklearn.metrics
d2_pinball_score	D² Regressions-Score-Funktion, Bruchteil des erklärten Pinball-Verlusts. sklearn.metrics
d2_tweedie_score	D² Regressions-Score-Funktion, Bruchteil der erklärten Tweedie-Devianz. sklearn.metrics
explained_variance_score	Erklärte Varianz-Regressions-Score-Funktion. sklearn.metrics
max_error	Die Metrik max_error berechnet den maximalen Residuenfehler. sklearn.metrics
mean_absolute_error	Mittlerer absoluter Fehler für die Regression. sklearn.metrics
mean_absolute_percentage_error	Mittlerer absoluter prozentualer Fehler (MAPE) für die Regression. sklearn.metrics
mean_gamma_deviance	Mittlerer Gamma-Devianz-Verlust für die Regression. sklearn.metrics
mean_pinball_loss	Pinball-Verlust für die Quantilregression. sklearn.metrics
mean_poisson_deviance	Mittlerer Poisson-Devianz-Verlust für die Regression. sklearn.metrics
mean_squared_error	Mittlerer quadratischer Fehler für die Regression. sklearn.metrics
mean_squared_log_error	Mittlerer quadratischer logarithmischer Fehler für die Regression. sklearn.metrics
mean_tweedie_deviance	Mittlerer Tweedie-Devianz-Verlust für die Regression. sklearn.metrics
median_absolute_error	Mittlerer absoluter Fehler für die Medianregression. sklearn.metrics
r2_score	R² (Bestimmtheitsmaß) Regressions-Score-Funktion. sklearn.metrics
root_mean_squared_error	Wurzel aus dem mittleren quadratischen Fehler für die Regression. sklearn.metrics
root_mean_squared_log_error	Wurzel aus dem mittleren quadratischen logarithmischen Fehler für die Regression. sklearn.metrics
coverage_error	Coverage-Fehlermessung. sklearn.metrics
label_ranking_average_precision_score	Berechne ranking-basierte Durchschnittspräzision. sklearn.metrics
label_ranking_loss	Berechne den Ranking-Verlust. sklearn.metrics
adjusted_mutual_info_score	Adjustierte gegenseitige Information zwischen zwei Clusterings. sklearn.metrics
adjusted_rand_score	Durch den Zufall angepasster Rand-Index. sklearn.metrics
calinski_harabasz_score	Berechne den Calinski-Harabasz-Score. sklearn.metrics
contingency_matrix	Erstelle eine Kontingenzmatrix, die die Beziehung zwischen Labels beschreibt. sklearn.metrics.cluster
pair_confusion_matrix	Paarweise Konfusionsmatrix aus zwei Clusterings. sklearn.metrics.cluster
completeness_score	Berechne die Vollständigkeitsmetrik einer Cluster-Beschriftung gegeben eine Grundwahrheit. sklearn.metrics
davies_bouldin_score	Berechne den Davies-Bouldin-Score. sklearn.metrics
fowlkes_mallows_score	Messe die Ähnlichkeit von zwei Clusterings eines Punktesets. sklearn.metrics
homogeneity_completeness_v_measure	Berechne gleichzeitig Homogenitäts-, Vollständigkeits- und V-Measure-Scores. sklearn.metrics
homogeneity_score	Homogenitätsmetrik einer Cluster-Beschriftung gegeben eine Grundwahrheit. sklearn.metrics
mutual_info_score	Gegenseitige Information zwischen zwei Clusterings. sklearn.metrics
normalized_mutual_info_score	Normalisierte gegenseitige Information zwischen zwei Clusterings. sklearn.metrics
rand_score	Rand-Index. sklearn.metrics
silhouette_samples	Berechne den Silhouettenkoeffizienten für jede Stichprobe. sklearn.metrics
silhouette_score	Berechne den mittleren Silhouettenkoeffizienten aller Stichproben. sklearn.metrics
v_measure_score	V-Measure Cluster-Beschriftung gegeben eine Grundwahrheit. sklearn.metrics
consensus_score	Die Ähnlichkeit von zwei Mengen von Bicluster. sklearn.metrics
DistanceMetric	Einheitliche Schnittstelle für schnelle Distanzmetrikfunktionen. sklearn.metrics
additive_chi2_kernel	Berechne den additiven Chi-Quadrat-Kernel zwischen Beobachtungen in X und Y. sklearn.metrics.pairwise
chi2_kernel	Berechne den exponentiellen Chi-Quadrat-Kernel zwischen X und Y. sklearn.metrics.pairwise
cosine_distances	Berechne die Kosinusdistanz zwischen Stichproben in X und Y. sklearn.metrics.pairwise
cosine_similarity	Berechne die Kosinusähnlichkeit zwischen Stichproben in X und Y. sklearn.metrics.pairwise
distance_metrics	Gültige Metriken für pairwise_distances. sklearn.metrics.pairwise
euclidean_distances	Berechne die Distanzmatrix zwischen jedem Paar aus einem Feature-Array X und Y. sklearn.metrics.pairwise
haversine_distances	Berechne die Haversine-Distanz zwischen Stichproben in X und Y. sklearn.metrics.pairwise
kernel_metrics	Gültige Metriken für pairwise_kernels. sklearn.metrics.pairwise
laplacian_kernel	Berechne den Laplacian-Kernel zwischen X und Y. sklearn.metrics.pairwise
linear_kernel	Berechne den linearen Kernel zwischen X und Y. sklearn.metrics.pairwise
manhattan_distances	Berechne die L1-Distanzen zwischen den Vektoren in X und Y. sklearn.metrics.pairwise
nan_euclidean_distances	Berechne die euklidischen Distanzen bei fehlenden Werten. sklearn.metrics.pairwise
paired_cosine_distances	Berechne die paarweisen Kosinusdistanzen zwischen X und Y. sklearn.metrics.pairwise
paired_distances	Berechne die paarweisen Distanzen zwischen X und Y. sklearn.metrics.pairwise
paired_euclidean_distances	Berechne die paarweisen euklidischen Distanzen zwischen X und Y. sklearn.metrics.pairwise
paired_manhattan_distances	Berechne die paarweisen L1-Distanzen zwischen X und Y. sklearn.metrics.pairwise
pairwise_kernels	Berechne den Kernel zwischen den Arrays X und einem optionalen Array Y. sklearn.metrics.pairwise
polynomial_kernel	Berechne den Polynom-Kernel zwischen X und Y. sklearn.metrics.pairwise
rbf_kernel	Berechne den RBF (Gaußschen) Kernel zwischen X und Y. sklearn.metrics.pairwise
sigmoid_kernel	Berechne den Sigmoid-Kernel zwischen X und Y. sklearn.metrics.pairwise
pairwise_distances	Berechne die Distanzmatrix aus einem Feature-Array X und einem optionalen Y. sklearn.metrics
pairwise_distances_argmin	Berechne die minimalen Distanzen zwischen einem Punkt und einer Menge von Punkten. sklearn.metrics
pairwise_distances_argmin_min	Berechne die minimalen Distanzen zwischen einem Punkt und einer Menge von Punkten. sklearn.metrics
pairwise_distances_chunked	Generiere eine Distanzmatrix Block für Block mit optionaler Reduktion. sklearn.metrics
ConfusionMatrixDisplay	Visualisierung der Konfusionsmatrix. sklearn.metrics
DetCurveDisplay	Visualisierung der Detection Error Tradeoff (DET) Kurve. sklearn.metrics
PrecisionRecallDisplay	Visualisierung von Präzision und Recall. sklearn.metrics
PredictionErrorDisplay	Visualisierung des Vorhersagefehlers eines Regressionsmodells. sklearn.metrics
RocCurveDisplay	Visualisierung der ROC-Kurve. sklearn.metrics
BayesianGaussianMixture	Varianz-Bayes'sche Schätzung einer Gaußschen Mischung. sklearn.mixture
GaussianMixture	Gaußsche Mischung. sklearn.mixture
GroupKFold	K-Fold Iterator-Variante mit nicht überlappenden Gruppen. sklearn.model_selection
GroupShuffleSplit	Shuffle-Group(s)-Out Kreuzvalidierungs-Iterator. sklearn.model_selection
KFold	K-Fold Kreuzvalidierer. sklearn.model_selection
LeaveOneGroupOut	Leave One Group Out Kreuzvalidierer. sklearn.model_selection
LeaveOneOut	Leave-One-Out Kreuzvalidierer. sklearn.model_selection
LeavePGroupsOut	Leave P Group(s) Out Kreuzvalidierer. sklearn.model_selection
LeavePOut	Leave-P-Out Kreuzvalidierer. sklearn.model_selection
PredefinedSplit	Vordefinierter Split Kreuzvalidierer. sklearn.model_selection
RepeatedKFold	Wiederholter K-Fold Kreuzvalidierer. sklearn.model_selection
RepeatedStratifiedKFold	Wiederholter klassenweiser stratifizierter K-Fold Kreuzvalidierer. sklearn.model_selection
ShuffleSplit	Zufälliger Permutations-Kreuzvalidierer. sklearn.model_selection
StratifiedGroupKFold	Klassenweiser stratifizierter K-Fold Iterator-Variante mit nicht überlappenden Gruppen. sklearn.model_selection
StratifiedKFold	Klassenweiser stratifizierter K-Fold Kreuzvalidierer. sklearn.model_selection
StratifiedShuffleSplit	Klassenweiser stratifizierter ShuffleSplit Kreuzvalidierer. sklearn.model_selection
TimeSeriesSplit	Zeitreihen-Kreuzvalidierer. sklearn.model_selection
check_cv	Input-Prüfungs-Dienstprogramm zum Aufbau eines Kreuzvalidierers. sklearn.model_selection
train_test_split	Teilt Arrays oder Matrizen in zufällige Trainings- und Testteilmengen auf. sklearn.model_selection
GridSearchCV	Exhaustive Suche nach angegebenen Parameterwerten für einen Schätzer. sklearn.model_selection
HalvingGridSearchCV	Suche nach angegebenen Parameterwerten mit sukzessiver Halbierung. sklearn.model_selection
HalvingRandomSearchCV	Zufällige Suche nach Hyperparametern. sklearn.model_selection
ParameterGrid	Parametergitter mit einer diskreten Anzahl von Werten für jeden. sklearn.model_selection
ParameterSampler	Generator für aus gegebenen Verteilungen abgetastete Parameter. sklearn.model_selection
RandomizedSearchCV	Zufällige Suche nach Hyperparametern. sklearn.model_selection
FixedThresholdClassifier	Binärer Klassifikator, der die Entscheidungsschwelle manuell festlegt. sklearn.model_selection
TunedThresholdClassifierCV	Klassifikator, der die Entscheidungsschwelle mittels Kreuzvalidierung nachjustiert. sklearn.model_selection
cross_val_predict	Generiert kreuzvalidierte Schätzungen für jeden Eingabedatenpunkt. sklearn.model_selection
cross_val_score	Bewertet einen Score durch Kreuzvalidierung. sklearn.model_selection
cross_validate	Bewertet Metrik(en) durch Kreuzvalidierung und erfasst auch Fit-/Score-Zeiten. sklearn.model_selection
learning_curve	Lernkurve. sklearn.model_selection
permutation_test_score	Bewertet die Signifikanz eines kreuzvalidierten Scores durch Permutationen. sklearn.model_selection
validation_curve	Validierungskurve. sklearn.model_selection
LearningCurveDisplay	Visualisierung der Lernkurve. sklearn.model_selection
ValidationCurveDisplay	Visualisierung der Validierungskurve. sklearn.model_selection
OneVsOneClassifier	One-vs-one Multiklassenstrategie. sklearn.multiclass
OneVsRestClassifier	One-vs-the-rest (OvR) Multiklassenstrategie. sklearn.multiclass
OutputCodeClassifier	(Fehlerkorrigierende) Output-Code-Multiklassenstrategie. sklearn.multiclass
ClassifierChain	Ein Multi-Label-Modell, das binäre Klassifikatoren zu einer Kette anordnet. sklearn.multioutput
MultiOutputClassifier	Multi-Target-Klassifizierung. sklearn.multioutput
MultiOutputRegressor	Multi-Target-Regression. sklearn.multioutput
RegressorChain	Ein Multi-Label-Modell, das Regressionen zu einer Kette anordnet. sklearn.multioutput
BernoulliNB	Naiv-Bayes-Klassifikator für multivariate Bernoulli-Modelle. sklearn.naive_bayes
CategoricalNB	Naiv-Bayes-Klassifikator für kategorische Merkmale. sklearn.naive_bayes
ComplementNB	Der Complement Naive Bayes Klassifikator, beschrieben in Rennie et al. (2003). sklearn.naive_bayes
GaussianNB	Gaußscher Naiv Bayes (GaussianNB). sklearn.naive_bayes
MultinomialNB	Naiv-Bayes-Klassifikator für multinomielle Modelle. sklearn.naive_bayes
BallTree	BallTree für schnelle verallgemeinerte N-Punkt-Probleme. sklearn.neighbors
KDTree	KDTree für schnelle verallgemeinerte N-Punkt-Probleme. sklearn.neighbors
KNeighborsClassifier	Klassifikator, der die k-nächste-Nachbarn-Abstimmung implementiert. sklearn.neighbors
KNeighborsRegressor	Regression basierend auf k-nächsten Nachbarn. sklearn.neighbors
KNeighborsTransformer	Transformiert X in einen (gewichteten) Graphen von k nächsten Nachbarn. sklearn.neighbors
KernelDensity	Kernel-Dichte-Schätzung. sklearn.neighbors
LocalOutlierFactor	Unüberwachte Ausreißererkennung mittels Local Outlier Factor (LOF). sklearn.neighbors
NearestCentroid	Nächster-Zentroid-Klassifikator. sklearn.neighbors
NearestNeighbors	Unüberwachter Lerner zur Implementierung von Nachbarschaftssuchen. sklearn.neighbors
NeighborhoodComponentsAnalysis	Neighborhood Components Analysis. sklearn.neighbors
RadiusNeighborsClassifier	Klassifikator, der eine Abstimmung unter Nachbarn innerhalb eines gegebenen Radius implementiert. sklearn.neighbors
RadiusNeighborsRegressor	Regression basierend auf Nachbarn innerhalb eines festen Radius. sklearn.neighbors
RadiusNeighborsTransformer	Transformiert X in einen (gewichteten) Graphen von Nachbarn näher als ein Radius. sklearn.neighbors
kneighbors_graph	Berechnet den (gewichteten) Graphen von k-Nachbarn für Punkte in X. sklearn.neighbors
radius_neighbors_graph	Berechnet den (gewichteten) Graphen von Nachbarn für Punkte in X. sklearn.neighbors
sort_graph_by_row_values	Sortiert einen dünnbesetzten Graphen so, dass jede Zeile mit steigenden Werten gespeichert wird. sklearn.neighbors
BernoulliRBM	Bernoulli Restricted Boltzmann Machine (RBM). sklearn.neural_network
MLPClassifier	Multi-Layer Perceptron Klassifikator. sklearn.neural_network
MLPRegressor	Multi-Layer Perceptron Regressor. sklearn.neural_network
FeatureUnion	Verkettet die Ergebnisse mehrerer Transformer-Objekte. sklearn.pipeline
Pipeline	Eine Sequenz von Datentransformatoren mit einem optionalen finalen Prädiktor. sklearn.pipeline
make_pipeline	Konstruiert eine Pipeline aus den gegebenen Schätzern. sklearn.pipeline
make_union	Konstruiert eine FeatureUnion aus den gegebenen Transformatoren. sklearn.pipeline
Binarizer	Binarisiert Daten (Setzt Merkmalswerte auf 0 oder 1) gemäß einer Schwelle. sklearn.preprocessing
FunctionTransformer	Konstruiert einen Transformator aus einer beliebigen aufrufbaren Funktion. sklearn.preprocessing
KBinsDiscretizer	Teilt kontinuierliche Daten in Intervalle auf. sklearn.preprocessing
KernelCenterer	Zentriert eine beliebige Kernelmatrix \(K\). sklearn.preprocessing
LabelBinarizer	Binarisiert Labels im One-vs-all-Verfahren. sklearn.preprocessing
LabelEncoder	Kodiert Ziel-Labels mit Werten zwischen 0 und n_classes-1. sklearn.preprocessing
MaxAbsScaler	Skaliert jedes Merkmal nach seinem maximalen absoluten Wert. sklearn.preprocessing
MinMaxScaler	Transformiert Merkmale durch Skalierung jedes Merkmals auf einen gegebenen Bereich. sklearn.preprocessing
MultiLabelBinarizer	Transformiert zwischen iterierbaren von iterierbaren und einem Multilabel-Format. sklearn.preprocessing
Normalizer	Normalisiert Stichproben einzeln auf Norm 1. sklearn.preprocessing
OneHotEncoder	Kodiert kategoriale Merkmale als eine One-Hot-numerische Matrix. sklearn.preprocessing
OrdinalEncoder	Kodiert kategoriale Merkmale als eine Ganzzahlmatrix. sklearn.preprocessing
PolynomialFeatures	Generiert Polynom- und Interaktionsmerkmale. sklearn.preprocessing
PowerTransformer	Wendet eine Potenztransformation merkmalweise an, um Daten mehr Gauss'sche Eigenschaften zu verleihen. sklearn.preprocessing
QuantileTransformer	Transformiert Merkmale mithilfe von Quantilinformationen. sklearn.preprocessing
RobustScaler	Skaliert Merkmale unter Verwendung von Statistiken, die robust gegenüber Ausreißern sind. sklearn.preprocessing
SplineTransformer	Generiert univariaten B-Spline-Basis für Merkmale. sklearn.preprocessing
StandardScaler	Standardisiert Merkmale durch Entfernen des Mittelwerts und Skalierung auf Einheitsvarianz. sklearn.preprocessing
TargetEncoder	Ziel-Encoder für Regressions- und Klassifikationsziele. sklearn.preprocessing
add_dummy_feature	Erweitert den Datensatz um ein zusätzliches Dummy-Merkmal. sklearn.preprocessing
binarize	Boolesches Thresholding von Array-ähnlichen oder Scipy.sparse Matrizen. sklearn.preprocessing
label_binarize	Binarisiert Labels im One-vs-all-Verfahren. sklearn.preprocessing
maxabs_scale	Skaliert jedes Merkmal auf den Bereich [-1, 1], ohne die Sparsity zu brechen. sklearn.preprocessing
minmax_scale	Transformiert Merkmale durch Skalierung jedes Merkmals auf einen gegebenen Bereich. sklearn.preprocessing
normalize	Skaliert Eingabevektoren einzeln auf Einheitsnorm (Vektorlänge). sklearn.preprocessing
power_transform	Parametrische, monotone Transformation, um Daten mehr Gauss'sche Eigenschaften zu verleihen. sklearn.preprocessing
quantile_transform	Transformiert Merkmale mithilfe von Quantilinformationen. sklearn.preprocessing
robust_scale	Standardisiert einen Datensatz entlang einer beliebigen Achse. sklearn.preprocessing
scale	Standardisiert einen Datensatz entlang einer beliebigen Achse. sklearn.preprocessing
GaussianRandomProjection	Reduziert die Dimensionalität durch gaußsche Zufallsprojektion. sklearn.random_projection
SparseRandomProjection	Reduziert die Dimensionalität durch spärliche Zufallsprojektion. sklearn.random_projection
johnson_lindenstrauss_min_dim	Findet eine "sichere" Anzahl von Komponenten für die zufällige Projektion. sklearn.random_projection
LabelPropagation	Label Propagation Klassifikator. sklearn.semi_supervised
LabelSpreading	LabelSpreading-Modell für semi-überwachtes Lernen. sklearn.semi_supervised
SelfTrainingClassifier	Self-training Klassifikator. sklearn.semi_supervised
LinearSVC	Lineare Support Vector Klassifizierung. sklearn.svm
LinearSVR	Lineare Support Vector Regression. sklearn.svm
NuSVC	Nu-Support Vector Klassifizierung. sklearn.svm
NuSVR	Nu Support Vector Regression. sklearn.svm
OneClassSVM	Unüberwachte Ausreißererkennung. sklearn.svm
SVC	C-Support Vector Klassifizierung. sklearn.svm
SVR	Epsilon-Support Vector Regression. sklearn.svm
l1_min_c	Gibt die unterste Grenze für C zurück. sklearn.svm
DecisionTreeClassifier	Ein Entscheidungsbaum-Klassifikator. sklearn.tree
DecisionTreeRegressor	Ein Entscheidungsbaum-Regressor. sklearn.tree
ExtraTreeClassifier	Ein extrem zufälliger Baum-Klassifikator. sklearn.tree
ExtraTreeRegressor	Ein extrem zufälliger Baum-Regressor. sklearn.tree
export_graphviz	Exportiert einen Entscheidungsbaum im DOT-Format. sklearn.tree
export_text	Erstellt einen Textbericht, der die Regeln eines Entscheidungsbaums zeigt. sklearn.tree
plot_tree	Plottet einen Entscheidungsbaum. sklearn.tree
Bunch	Container-Objekt, das Schlüssel als Attribute verfügbar macht. sklearn.utils
_safe_indexing	Gibt Zeilen, Elemente oder Spalten von X anhand von Indizes zurück. sklearn.utils
as_float_array	Konvertiert ein Array-ähnliches Objekt in ein Array von Gleitkommazahlen. sklearn.utils
assert_all_finite	Löst einen ValueError aus, wenn X NaN oder Unendlichkeit enthält. sklearn.utils
deprecated	Decorator, um eine Funktion oder Klasse als veraltet zu markieren. sklearn.utils
estimator_html_repr	Erstellt eine HTML-Darstellung eines Schätzers. sklearn.utils
gen_batches	Generator zum Erstellen von Slices, die batch_size Elemente von 0 bis n enthalten. sklearn.utils
gen_even_slices	Generator zum Erstellen von n_packs gleichmäßig verteilten Slices bis n. sklearn.utils
indexable	Macht Arrays für die Kreuzvalidierung indizierbar. sklearn.utils
murmurhash3_32	Berechnet den 32-Bit-Murmurhash3 von Schlüssel bei Seed. sklearn.utils
resample	Resampelt Arrays oder spärliche Matrizen auf konsistente Weise. sklearn.utils
safe_mask	Gibt eine Maske zurück, die sicher auf X angewendet werden kann. sklearn.utils
safe_sqr	Elementweise Quadrierung von Array-ähnlichen Objekten und spärlichen Matrizen. sklearn.utils
shuffle	Mischt Arrays oder spärliche Matrizen auf konsistente Weise. sklearn.utils
Tags	Tags für den Schätzer. sklearn.utils
InputTags	Tags für die Eingabedaten. sklearn.utils
TargetTags	Tags für die Zieldaten. sklearn.utils
ClassifierTags	Tags für den Klassifikator. sklearn.utils
RegressorTags	Tags für den Regressor. sklearn.utils
TransformerTags	Tags für den Transformator. sklearn.utils
get_tags	Schätzertags abrufen. sklearn.utils
check_X_y	Eingabevalidierung für Standard-Schätzer. sklearn.utils
check_array	Eingabevalidierung für ein Array, eine Liste, eine spärliche Matrix oder ähnliches. sklearn.utils
check_consistent_length	Prüft, ob alle Arrays konsistente erste Dimensionen haben. sklearn.utils
check_random_state	Wandelt Seed in eine np.random.RandomState Instanz um. sklearn.utils
check_scalar	Validiert den Typ und Wert von Skalarparametern. sklearn.utils
check_is_fitted	Führt eine is_fitted-Validierung für den Schätzer durch. sklearn.utils.validation
check_memory	Prüft, ob memory vom Typ joblib.Memory-ähnlich ist. sklearn.utils.validation
check_symmetric	Stellt sicher, dass das Array 2D, quadratisch und symmetrisch ist. sklearn.utils.validation
column_or_1d	Ravel-Spalte oder 1D-NumPy-Array, andernfalls wird ein Fehler ausgelöst. sklearn.utils.validation
has_fit_parameter	Prüft, ob die fit-Methode des Schätzers den gegebenen Parameter unterstützt. sklearn.utils.validation
validate_data	Validiert Eingabedaten und setzt oder prüft die Merkmalsnamen und die Anzahl der Eingaben. sklearn.utils.validation
available_if	Ein Attribut, das nur verfügbar ist, wenn check einen wahrheitsgemäßen Wert zurückgibt. sklearn.utils.metaestimators
compute_class_weight	Schätzt Klassengewichte für unausgeglichene Datensätze. sklearn.utils.class_weight
compute_sample_weight	Schätzt Stichprobengewichte nach Klasse für unausgeglichene Datensätze. sklearn.utils.class_weight
is_multilabel	Prüft, ob y im Multilabel-Format vorliegt. sklearn.utils.multiclass
type_of_target	Bestimmt den Datentyp, der durch das Ziel angezeigt wird. sklearn.utils.multiclass
unique_labels	Extrahiert ein geordnetes Array eindeutiger Labels. sklearn.utils.multiclass
density	Berechnet die Dichte eines spärlichen Vektors. sklearn.utils.extmath
fast_logdet	Berechnet den Logarithmus der Determinante einer quadratischen Matrix. sklearn.utils.extmath
randomized_range_finder	Berechnet eine orthonormale Matrix, deren Bereich den Bereich von A annähert. sklearn.utils.extmath
randomized_svd	Berechnet eine trunkierte, zufällige SVD. sklearn.utils.extmath
safe_sparse_dot	Skalarprodukt, das den Fall von spärlichen Matrizen korrekt behandelt. sklearn.utils.extmath
weighted_mode	Gibt ein Array des gewichteten modalen (häufigsten) Wertes im übergebenen Array zurück. sklearn.utils.extmath
incr_mean_variance_axis	Berechnet inkrementell Mittelwert und Varianz entlang einer Achse auf einer CSR- oder CSC-Matrix. sklearn.utils.sparsefuncs
inplace_column_scale	In-place Spaltenskalierung einer CSC/CSR-Matrix. sklearn.utils.sparsefuncs
inplace_csr_column_scale	In-place Spaltenskalierung einer CSR-Matrix. sklearn.utils.sparsefuncs
inplace_row_scale	In-place Zeilenskalierung einer CSR- oder CSC-Matrix. sklearn.utils.sparsefuncs
inplace_swap_column	Tauscht zwei Spalten einer CSC/CSR-Matrix in-place. sklearn.utils.sparsefuncs
inplace_swap_row	Tauscht zwei Zeilen einer CSC/CSR-Matrix in-place. sklearn.utils.sparsefuncs
mean_variance_axis	Berechnet Mittelwert und Varianz entlang einer Achse auf einer CSR- oder CSC-Matrix. sklearn.utils.sparsefuncs
inplace_csr_row_normalize_l1	Normalisiert inplace die Zeilen einer CSR-Matrix oder eines Arrays nach ihrer L1-Norm. sklearn.utils.sparsefuncs_fast
inplace_csr_row_normalize_l2	Normalisiert inplace die Zeilen einer CSR-Matrix oder eines Arrays nach ihrer L2-Norm. sklearn.utils.sparsefuncs_fast
single_source_shortest_path_length	Gibt die Länge des kürzesten Pfades von der Quelle zu allen erreichbaren Knoten zurück. sklearn.utils.graph
sample_without_replacement	Ganzzahlen ohne Zurücklegen ziehen. sklearn.utils.random
min_pos	Findet den Minimalwert eines Arrays über positive Werte. sklearn.utils.arrayfuncs
MetadataRequest	Enthält die Metadaten-Anfrageinformationen eines Konsumenten. sklearn.utils.metadata_routing
MetadataRouter	Koordiniert das Metadaten-Routing für ein Router-Objekt. sklearn.utils.metadata_routing
MethodMapping	Speichert die Zuordnung zwischen Aufrufer- und Aufgerufenen-Methoden für einen Router. sklearn.utils.metadata_routing
get_routing_for_object	Holt eine Metadata{Router, Request}-Instanz aus dem gegebenen Objekt. sklearn.utils.metadata_routing
process_routing	Validiert und routet Metadaten. sklearn.utils.metadata_routing
all_displays	Gibt eine Liste aller Anzeigen aus sklearn zurück. sklearn.utils.discovery
all_estimators	Gibt eine Liste aller Schätzer aus sklearn zurück. sklearn.utils.discovery
all_functions	Gibt eine Liste aller Funktionen aus sklearn zurück. sklearn.utils.discovery
check_estimator	Prüft, ob der Schätzer den Konventionen von Scikit-learn entspricht. sklearn.utils.estimator_checks
parametrize_with_checks	Pytest-spezifischer Decorator zum Parametrisieren von Schätzer-Checks. sklearn.utils.estimator_checks
estimator_checks_generator	Gibt iterativ alle Check-Aufrufe für einen Schätzer zurück. sklearn.utils.estimator_checks
Parallel	Abwandlung von joblib.Parallel, die die Scikit-learn-Konfiguration weitergibt. sklearn.utils.parallel
delayed	Decorator zum Erfassen der Argumente einer Funktion. sklearn.utils.parallel