【实例简介】
【机器学习】菜菜的sklearn课堂(1-12全课),内容包含所有代码,以及讲解的课件
【实例截图】
【核心代码】
【机器学习】菜菜的sklearn课堂(1-12全课)
├── 010朴素贝叶斯
│ ├── 010朴素贝叶斯.rar
│ ├── Naive Bayes源码.ipynb
│ └── 朴素贝叶斯 full version.pdf
├── 011XGBoost
│ ├── xgboost code.ipynb
│ ├── XGBoost full version.pdf
│ └── xgboost 代码 + 课件.zip
├── 01 决策树课件数据源码
│ ├── data.csv
│ ├── Taitanic data.zip
│ ├── test.csv
│ ├── Tree
│ ├── Tree.dot
│ ├── Tree.pdf
│ ├── 决策树 full version.pdf
│ ├── 决策树原理更新.pdf
│ ├── 决策树 原理部分源码.ipynb
│ └── 决策树 案例部分源码.ipynb
├── 02随机森林
│ ├── digit recognizor.zip
│ ├── Record.ipynb
│ ├── sample_submission.csv
│ ├── test.csv
│ ├── train.csv
│ └── 随机森林 full version.pdf
├── 03数据预处理和特征工程
│ ├── digit recognizor.csv
│ ├── Narrativedata.csv
│ ├── record.ipynb
│ ├── 数据预处理与特征工程 full version.pdf
│ ├── 数据预处理与特征工程 full version.xml
│ └── 数据预处理和特征工程 - 数据.zip
├── 04主成分分析PCA与奇异值分解SVD
│ ├── digit recognizor.csv
│ ├── record2.ipynb
│ ├── Record.ipynb
│ ├── 降维算法 full version.pdf
│ └── 降维算法 full version.xml
├── 05逻辑回归与评分卡
│ ├── model_data.csv
│ ├── rankingcard.csv
│ ├── ScoreData.csv
│ ├── vali_data.csv
│ ├── 评分卡模型.ipynb
│ ├── 逻辑回归 full version.pdf
│ ├── 逻辑回归 full version.xml
│ ├── 逻辑回归.ipynb
│ └── 逻辑回归课件 + 数据.zip
├── 06聚类算法Kmeans
│ ├── 聚类算法KMeans EDU version.pdf
│ ├── 聚类算法与Kmeans.ipynb
│ └── 聚类算法与Kmeans代码.zip
├── 07支持向量机上
│ ├── Record.ipynb
│ ├── SVM1.ipynb
│ ├── SVM (上) full version.pdf
│ └── SVM (上) full version.xml
├── 08支持向量机下
│ ├── Cityclimate.csv
│ ├── cityll.csv
│ ├── samplecity.csv
│ ├── SVM 2 - 案例部分源码.ipynb
│ ├── SVM 2 - 理论部分源码.ipynb
│ ├── SVM (下) full version.pdf
│ ├── SVM (下) full version.xml
│ ├── SVM (下) - 源码.zip
│ ├── SVM数据.zip
│ ├── weatherAUS5000.csv
│ └── weather.csv
├── 09回归大家族:线性回归,岭回归,Lasso与多项式回归
│ ├── 线性回归 - 代码.ipynb
│ ├── 线性回归大家族 full version.pdf
│ └── 线性回归 课件 + 代码.zip
├── 参考书1.jpg
├── 参考书2.jpg
├── 参考书3.jpg
└── 开始机器学习之前:配置开发环境.pdf
11 directories, 67 files