【文件属性】：
文件名称：StochasticsLabPublic:随机过程和优化实验室的回购（公共回购）
文件大小：1.35MB
文件格式：ZIP
更新时间：2021-04-16 21:42:26
JupyterNotebook
随机实验室公共
这是研究生课程《机器学习中的随机过程与优化》的资源库。 该课程包含在雅典国立技术大学（NTUA）的数据科学与机器学习（DSML）计划中。
我们的2021年课程将包括Jupyter Notebooks提供的以下练习：
线性回归和多项式回归
Logistic回归，K均值聚类和主成分分析（PCA）
马尔可夫链与模拟（很大程度上基于ECE NTUA第六学期的随机过程课程）
Metropolis-Hastings算法
模拟退火和受限玻尔兹曼机（RBM）
马尔可夫决策过程和Q学习
Bellman-Ford算法（在BGP协议中的应用）
朴素贝叶斯分类器（在缓解DNS DDoS攻击中的应用：DNS酷刑攻击用例）
径向基函数（RBF）和支持向量机（SVM）
决策树和随机森林
长短期记忆（LSTM），在缓解DNS DDoS攻击中的应用：DNS酷刑攻击用例
注意：一些练习是从在线
【文件预览】：
StochasticsLabPublic-master
----lab2()
--------Stochastic_Processes_&_Optimization_in_Machine_Learning_Principal_Component_Analysis_(Lab_2).ipynb(28KB)
--------demo3a.csv(8KB)
--------Stochastic_Processes_&_Optimization_in_Machine_Learning_(Lab_2_K_Means).ipynb(6KB)
--------Stochastic_Processes_&_Optimization_in_Machine_Learning_(Lab_2_Logistic_Regression).ipynb(5KB)
--------demo3b.csv(8KB)
----lab5()
--------SimulatedAnnealingStochasticsLab5.ipynb(19KB)
--------Stochastic_Processes_&_Optimization_in_Machine_Learning_(Lab_5_RBM).ipynb(50KB)
----lab3()
--------Stochastic_Processes_&_Optimization_in_Machine_Learning_(Lab_3_Exercise_3).ipynb(3KB)
--------ex1.png(8KB)
--------Stochastic_Processes_&_Optimization_in_Machine_Learning_(Lab_3_Exercise_2).ipynb(8KB)
--------ex3.PNG(6KB)
--------Stochastic_Processes_&_Optimization_in_Machine_Learning_(Lab_3_Exercise_4).ipynb(7KB)
--------Stochastic_Processes_&_Optimization_in_Machine_Learning_(Lab_3_Exercise_1).ipynb(2KB)
--------readme.md(326B)
--------ex2.PNG(4KB)
--------simple_markov_chain_lib.py(5KB)
----README.md(1KB)
----lab4()
--------Stochastic_Processes_&_Optimization_in_Machine_Learning_(Lab_4_Metropolis_Hastings).ipynb(88KB)
--------README.md(137B)
----lab6()
--------Stochastic_Processes_&_Optimization_in_Machine_Learning_(Lab_6_Q_Learning).ipynb(6KB)
--------Stochastic_Processes_&_Optimization_in_Machine_Learning_(Lab_6_Markov_Decision_Processes).ipynb(15KB)
--------ex6a.PNG(13KB)
--------readme.md(308B)
----lab1()
--------data2b.csv(212B)
--------data2.csv(201B)
--------Stochastic_Processes_&_Optimization_in_Machine_Learning_(Lab_1_Linear_Regression).ipynb(8KB)
--------data1b.csv(14KB)
--------Stochastic_Processes_&_Optimization_in_Machine_Learning_(Lab_1_Polynomial_Regression).ipynb(16KB)
--------data1a.csv(2.8MB)