文件名称：程序员5个刷题网站-CSX460:CSX460全班
文件大小：24.11MB
文件格式：ZIP
更新时间：2024-07-27 08:58:43
系统开源
5个程序员刷题网站CSX460 这是加州大学伯克利分校的实用机器学习 R (CSX460) 存储库。 最近的课程是/是Spring 2017 。 课程说明 本课程介绍使用 R（开源统计编程语言）进行机器学习。 机器学习（有时也称为统计学习或数据挖掘）曾经是统计学家、程序员和量化分析师的一套利基工具，现在已经流行起来，成为各种应用程序和学科不可或缺的工具。 本课程教授机器学习的基础知识，而无需深入研究太多数学或代码。 该课程将教授机器学习的实践方面。 完成课程后，学生将能够应用课程，在自己的工作中使用机器学习解决问题。 课程学习目标 本课程的学生将学习： ML 中的基本概念 有监督、无监督、半监督、自适应/强化学习之间的区别 ML算法/模型的三个先决条件 损失函数 受限函数类 培训搜索方法 如何评估和比较 ML 模型性能 如何预处理数据和构建特征 如何训练 ML 模型进行预测、分类和推荐 如何在新数据上应用 ML 模型 如何使用重采样技术计算模型性能 引导程序是什么以及它是如何工作的 什么是 Bagging 以及它如何以及为何提高模型性能 什么是 Boosting 以及它如何以及为何提高
【文件预览】：
CSX460-master
----06-caret-and-recursive-partitioning()
--------caret.pdf(871KB)
--------exercise-nycflights()
----07-recursive-partition-bias-variance-trade-off()
--------exercise-caret-models.r(1KB)
--------recursive-partitioning.pdf(1.27MB)
--------bias-variance-trade-off.pdf(786KB)
----02-building-blocks()
--------02-exercise-nycflights()
--------02-ml-building-blocks.pdf(1.01MB)
----04-logistic-regression()
--------04-exercise-nycflights-logistic()
--------04-logistic-regression-v0.4.pdf(766KB)
----05-classification-metrics()
--------exercise-classification-metrics()
--------classification-metrics-v0.2.pdf(988KB)
----03-linear-regression()
--------03-linear-regression.pdf(1.25MB)
--------03-exercise-nycflights-model()
----README.md(9KB)
----05-resampling()
--------exercise-resampling()
--------resampling-v0.3.pdf(968KB)
----01-introduction()
--------01-introduction.pdf(1.67MB)
--------01-r-functions.Rmd(998B)
----08-model-ensembles()
--------model-ensembles-v0.2.pdf(2.26MB)
--------spotifoo.Rmd(1KB)
----.gitignore(146B)