sklearn matlab,【机器学习】菜菜的sklearn课堂(1-12全课).zip

【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