文件名称:颜色分类leetcode-Mastering-Predictive-Analytics-with-scikit-learn-and-Tenso
文件大小:2.02MB
文件格式:ZIP
更新时间:2024-07-26 17:11:33
系统开源
颜色分类leetcode 2021 年 5 美元技术解锁! 如果你读过这本书,请留下评论。 然后,潜在读者可以使用您公正的意见来帮助他们做出购买决定。 谢谢你。 5 美元的活动从2020 年 12 月 15 日持续到2021年1 月 13 日。 使用 scikit-learn 和 TensorFlow 掌握预测分析 这是 的代码库,由 Packt 发布。 实施机器学习技术以使用 Python 构建高级预测模型 这本书是关于什么的? Python 是一种编程语言,它提供了可用于数据科学领域的广泛功能。 使用 scikit-learn 和 TensorFlow 掌握预测分析涵盖了集成方法的各种实现、它们如何与现实世界的数据集一起使用,以及它们如何提高分类和回归问题中的预测准确性。 本书涵盖了以下令人兴奋的功能: 使用集成算法获得准确的预测 应用降维技术来组合特征并构建更好的模型 使用交叉验证选择最佳超参数 实施不同的技术来解决预测分析领域的当前挑战 了解预测分析领域的各种元素深度神经网络 (DNN) 模型 实施神经网络以解决分类和回归问题 如果你觉得这本书适合你,今天就买吧! 说明和导航
【文件预览】:
Mastering-Predictive-Analytics-with-scikit-learn-and-TensorFlow-master
----Chapter01()
--------EnsembleMethodsForClassification.ipynb(98KB)
--------EnsembleMethodsForRegression.ipynb(71KB)
----.gitattributes(378B)
----Chapter05()
--------Section5_3.ipynb(8KB)
--------Section5_1.ipynb(22KB)
--------Section5_2.ipynb(55KB)
----Chapter04()
--------Section4.ipynb(16KB)
----Chapter03()
--------Section3_2.ipynb(282KB)
--------Section3_3.ipynb(184KB)
--------Section3_1.ipynb(44KB)
--------Section3_4.ipynb(49KB)
----Chapter02()
--------K-Fold Cross Validation.ipynb(20KB)
--------Hyper-ParameterTuning.ipynb(25KB)
--------ComparingModelsWithCrossValidation.ipynb(41KB)
----LICENSE(1KB)
----README.md(5KB)
----data()
--------credit_card_default.csv(2.57MB)
--------diamonds.csv(2.64MB)
----.gitignore(649B)