学无止境、积少成多、厚积薄发

手把手系列教程：基于LSTM的心脏病预测研究(附代码和数据集)，单向LSTM，13×1数据视角

【ML】基于机器学习的心脏病预测研究(附代码和数据集，支持向量机SVM模型)

【ML】基于机器学习的心脏病预测研究(附代码和数据集，XGBoost模型)

【ML】基于机器学习的心脏病预测研究(附代码和数据集，决策树模型)

【ML】基于机器学习的心脏病预测研究(附代码和数据集，随机森林模型)

【ML】基于机器学习的房价预测研究（系列13：双向GRU神经网络模型，BiGRU增强版）

【ML】基于机器学习的房价预测研究（系列12：双向GRU神经网络模型，BiGRU）

心脏病是人类健康的头号杀手，全世界1/3的人口死亡是心脏病引起的。而我国，每年有几十万人死于心脏病。如果可以通过提取人体相关的体测指标，通过数据挖掘方式来分析不同特征对于心脏病的影响，将对预防心脏病起到至关重要的作用。

【ML】基于机器学习的房价预测研究（系列11：单向GRU模型，增强版）

【ML】基于机器学习的房价预测研究（系列10：单向GRU模型）

机器学习模型保存方式总结

基于机器学习的心脏病预测研究(附代码和数据集，多层感知机模型)

基于机器学习的心脏病预测研究(附代码和数据集，逻辑回归模型)

基于LSTM的心脏病预测研究(附代码和数据集)，单向LSTM，1×13数据视角

手把手系列教程：基于机器学习的房价预测研究（系列9：多层感知机模型），基于多层感知机的房价预测，基于人工神经网络的房价预测，基于BP神经网络的房价预测，基于全连接神经网络的房价预测

手把手系列教程：基于机器学习的房价预测研究（附完整代码和数据集），系列8：双向LSTM模型，增强版（9×1数据视角，CPU版本代码和GPU版本代码）

手把手系列教程：基于机器学习的房价预测研究（附完整代码和数据集），系列7：双向LSTM模型

手把手系列教程：基于机器学习的房价预测研究（系列6：卷积神经网络模型）

手把手系列教程：基于机器学习的房价预测研究（附完整代码和数据集），系列4：LSTM模型，增强版

手把手系列教程：基于机器学习的房价预测研究（系列4：单向LSTM模型，1×9数据视角）

手把手系列教程：基于机器学习的房价预测研究（系列3：线性回归模型）

手把手系列教程：基于机器学习的房价预测研究（附完整代码和数据集）

手把手系列教程：基于机器学习的房价预测研究（系列1：数据集）

自动编码器结合逻辑回归用于分类预测

XGBoost中plot_importance参数详解

RandomForestRegressor()模型中有很多参数，下面对参数进行解释。

XGBregressor()模型中有很多参数，下面对参数进行解释。

在机器学习的教程中，我们会看到很多的demo，这些demo都是基于python中自带的数据集。今天我们将介绍sklearn中几个常用的分类预测数据集。

在机器学习的教程中，我们会看到很多的demo，这些demo都是基于python中自带的数据集。今天我们将介绍三个用于回归预测的数据集。

使用pytorch搭建的BP神经网络/人工神经网络/多层感知机/全连接神经网络实现sklearn中鸢尾花的分类。

我们使用sklearn.metrics中的mean_absolute_error 、mean_squared_error 、r2_score指标评估模型，acc是实际项目中使用到的，学术论文中一般不使用。在sklearn 1.2版本将会移除该数据集，以后房价预测可以使用fetch_california_housing数据集。上面的代码，将数据集划分为训练集和测试集，训练集用于模型训练，测试集用于模型测试。我们绘制曲线图用于直观预测值和真实值之间的差距。该数据集共有506条数据，每条数据13个特征。....

线性回归、岭回归、Lasso回归、KNN、SVR、决策树、Bagging、随机森林、极限树、AdaBoost、GBDT、XGBoost、LightGBM、CatBoost、Voting、Stacking、MLP训练糖尿病预测模型。

我们经常看到使用LR、SVM、RF等机器学习算法对鸢尾花、葡萄酒种类进行分类的教程；经常看到使用LeNet、VGG、ResNet等卷积神经网络进行图片分类的教程；我们很少看到使用卷积神经网络对鸢尾花、葡萄酒种类这些一维数据进行分类。今天，我们打破常规思路，基于pytorch深度学习框架搭建卷积神经网络，用于一维数据分类。...

搭建卷积神经网络用于回归预测(数据+代码详细教程)

自动编码器（aotoencoder）是一种神经网络，可用于学习原始数据的压缩表征。一种自动编码器由编码器（encoder）和解码器（decoder）两个子模型组成。编码器压缩输入，解码器尝试从编码器提供的压缩数据重新创建输入。训练后，保存编码器模型，丢弃解码器。......

今天整理了学术界、工业界常用的分类算法，主要包括，LogisticRegression、SGDClassifier、SVM、KNeighborsClassifier、GaussianNB、DecisionTreeClassifier、BaggingClassifier、RandomForestClassifier、ExtraTreesClassifier、AdaBoostClassifier、GradientBoostingClassifier、VotingClassifier等.........

机器学习回归算法大总结，从LinearRegression到CascadeForestRegressor