本目录主要为Python相关目录,主要包含Python相关知识、神经网络与深度学习和毕业设计(基于机器学习及深度学习的心脏病预测方法)的Python实现等。
上文目录链接:https://blog.csdn.net/didi_ya/article/details/124609166,该目录主要介绍MATLAB相关知识。
文章目录
一、Python相关软件保姆级安装教程
- Sublime Text安装及插件安装
- Sublime Text3如何配置Python交互式命令行?
这里我已经不推荐安装Sublime Text了,因为它的交互式界面实在做的太烂了!!!
如果想要安装编译器,建议安装vs code,轻量级,界面友好,参考下文
- VS Code大道至简——安装到配置
- VS Code输出窗口显示中文乱码的解决办法(汇总择优)
- Visdom库(pytorch中的可视化工具)安装问题的解决方案及使用方法详解
- Python入门之开发环境配置:Anaconda与PyCharm的安装详解
- 【Python基础】PyCharm配置Python虚拟环境详解
- 关于Python、Pytorch、Tensorflow深度学习版本问题踩的一些坑说明(详细版本说明)
二、毕业设计(2)——基于机器学习及深度学习的心脏病预测方法
- 基于机器学习的心脏病预测方法(1)——心脏病及Heart Disease UCI数据集介绍
- 基于机器学习的心脏病预测方法(2)——Heart Disease UCI数据集可视化介绍
- 基于机器学习的心脏病预测方法(3)——数据预处理及评价指标介绍
- 基于机器学习的心脏病预测方法(4)——逻辑回归(Logistic Regression)
- 基于机器学习的心脏病预测方法(5)——随机森林(Random Forest)
- 基于机器学习的心脏病预测方法(6)——朴素贝叶斯(Naive Bayes)
- 基于机器学习的心脏病预测方法(7)——K最近邻算法(KNN)
- 基于机器学习的心脏病预测方法(8)——决策树(Decision Tree)
- 基于机器学习的心脏病预测方法(9)——支持向量机(SVM)
- 基于机器学习的心脏病预测方法(10)——卷积神经网络(CNN)
- 基于机器学习的心脏病预测方法(11)——梯度提升机(GBM)
- 基于机器学习的心脏病预测方法(12)——极端梯度提升树(eXtreme Gradient Boosting)
- 基于机器学习的心脏病预测方法(13)——人工神经网络(ANN)【本专栏完结】
- 【拓展】基于机器学习的心脏病预测方法(14)——心脏病数据集补充