文件名称：机器学习：机器学习
文件大小：218KB
文件格式：ZIP
更新时间：2024-02-23 21:29:15
python numpy svm linear-regression scikit-learn
机器学习 机器学习 德克萨斯州达拉斯大学（UTD）的Nicholas Ruozzi教授将其作为机器学习课程（CS 6375）的一部分实施。 实现了不同的机器学习模型，例如 梯度下降（线性回归） 随机梯度下降 支持向量机（二次编程）用于二进制分类 分类决策树 装袋 助推 具有松弛功能的双SVM 原始松弛 K最近邻居 K均值聚类 光谱聚类 朴素贝叶斯用于分类 朴素贝叶斯，概率分布采样 混合模型
【文件预览】：
MachineLearning-master
----Decision Tree()
--------DecisionMushTree.py(6KB)
--------mush_train.data(216KB)
--------mush_test.data(157KB)
----SVM()
--------mystery.data(50KB)
--------DualSVMGK(4KB)
--------park_test.data(10KB)
--------park_train.data(14KB)
--------QuadProg.py(3KB)
--------park_validation.data(10KB)
--------PrimalSlack(3KB)
----Clustering()
--------partitionImg.py(3KB)
--------KmeansPlus.py(3KB)
--------Spectral_Algo.py(3KB)
--------leaf.data(40KB)
--------Spectral_Circle.py(4KB)
--------bw.jpg(2KB)
----Feature Selection()
--------sonar_valid.csv(21KB)
--------naiveBayes.py(2KB)
--------PCA.py(913B)
--------SVMwithPCA.py(6KB)
--------sonar_test.csv(21KB)
--------PCA_FeatureSel.py(3KB)
--------sonar_train.csv(42KB)
---- Logistic Regression()
--------park_test.data(10KB)
--------l2-logistic-reg.py(6KB)
--------logisticRegression.py(5KB)
--------park_train.data(14KB)
--------park_validation.data(10KB)
----README.md(653B)
----K-Nearest-Neighbor()
--------KNN(2KB)
----Mixture Models()
--------GMM.py(5KB)
--------leaf.data(40KB)
--------GMMPlus.py(6KB)
----Linear Regression()
--------stochastic.py(2KB)
--------GradientDescent.py(2KB)
--------perceptron.data(52KB)
----Ensemble Learning()
--------Boosting_10iterations.py(8KB)
--------Bagging.py(3KB)
--------Boosting_20Iterations.py(3KB)
--------heart_train.data(4KB)
--------AdaBoost.py(7KB)
--------Cordinate_Descent.py(3KB)
--------heart_test.data(9KB)