文件名称：DataScienceLab:数据科学实验
文件大小：11.81MB
文件格式：ZIP
更新时间：2024-07-16 18:28:04
CSS
#数据科学实验室 ＃＃＃内容 【特征提取与变换】(#feature-extraction-and-transformation) #机器学习算法 分类和回归 广义线性模型 [ ] 逻辑回归 [ ] 支持向量机[ ] 随机森林 [ ] 梯度提升回归树 [ ] 朴素贝叶斯 [ ] 聚类和降维 k-means [ ] 主成分分析 (PCA) [ ] 推荐系统 协同过滤 奇异值分解 (SVD) 交替最小二乘法 (ALS) #特征提取和转换回到顶部 数据整理 [ Notebook ] TF-IDF Word2Vec 标准定标器 归一化器 编码分类 主成分分析 #数据可视化返回顶部 Matplotlib / Seaborn [ 笔记本] 情节.ly d3.js #数据采集返回顶部 请求 - 网页抓取 机械化 - 网页抓取 BeautifulSoup - HTML
【文件预览】：
DataScienceLab-master
----.ipynb_checkpoints()
--------README-checkpoint.ipynb(6KB)
--------visualization-checkpoint.ipynb(1.41MB)
--------exploratory_data_analysis-checkpoint.ipynb(4KB)
----style()
--------custom.css(2KB)
----machine_learning()
--------.ipynb_checkpoints()
--------glm.ipynb(138KB)
--------naive_bayes.ipynb(276KB)
--------gbrt.ipynb(445KB)
--------random_forest.ipynb(299KB)
--------logistic_regression.ipynb(72KB)
--------svm.ipynb(229KB)
--------kmeans.ipynb(155KB)
--------pca.ipynb(133KB)
----data_viz()
--------.ipynb_checkpoints()
--------data_viz.ipynb(1.43MB)
----images()
--------random_forest.png(46KB)
--------nb.png(11KB)
--------pca.png(27KB)
--------ml_cheatsheet.png(689KB)
--------predictive_modeling.png(208KB)
--------custom.css(2KB)
--------gbrt.png(42KB)
--------brain.png(170KB)
--------svm.png(8KB)
--------chart_suggestions.png(152KB)
--------panda.png(155KB)
--------ols2.png(27KB)
--------glm.png(63KB)
--------explorer.png(55KB)
--------zip.png(81KB)
--------data_viz1.png(297KB)
--------ols1.png(27KB)
--------datascience_flowchart.png(716KB)
--------kmeans.png(16KB)
--------datascience_process.png(46KB)
--------logistic_regression.png(33KB)
--------data_wrangling.png(82KB)
--------data_viz.png(19KB)
----README.md(4KB)
----data()
--------winequality_red.csv(82KB)
--------tips.csv(10KB)
--------imdb.txt(763KB)
--------iris.csv(4KB)
--------forest.csv(1.94MB)
--------planets.csv(35KB)
--------bitly.txt(1.52MB)
--------digits.csv(259KB)
--------bike.csv(633KB)
--------flights.csv(2KB)
--------titanic.csv(56KB)
--------baseball.out(57KB)
--------un.csv(12KB)
--------movies.tsv(8.09MB)
--------wine.data(11KB)
--------out.csv(11KB)
--------exercise.csv(3KB)
--------critics.csv(3.87MB)
--------Boston.csv(40KB)
----.gitignore(1B)
----preprocessing()
--------.ipynb_checkpoints()
--------data_wrangling.ipynb(23KB)
----README.ipynb(6KB)
----model_evaluation()
--------.ipynb_checkpoints()
--------model_selection.ipynb(105KB)