文件名称：GSMLBook:在 jupyter 中使用 sklearn 的基本机器学习算法的秘诀-开源
文件大小：15.11MB
文件格式：ZIP
更新时间：2024-06-21 04:45:25
开源软件
这是一本带有动手方法的机器学习入门书籍。 它为所有应用程序使用 Python 3 和 Jupyter 笔记本。 重点主要是学习使用现有库（例如 Scikit-Learn）以及可在线找到的简单配方和现有数据文件。 主题包括线性、多重线性、多项式、逐步、套索、岭和逻辑回归； 二元分类的ROC曲线和度量； 非线性回归（包括梯度下降介绍）； 分类和回归树； 随机森林； 神经网络; 概率方法（KNN、朴素贝叶斯、QDA、LDA）； 用 PCA 降维； 支持向量机； 并使用 K-Means、分层和 DBScan 进行聚类。 附录提供了概率和线性代数的回顾。 虽然提供了一些数学基础，但它对于理解实现并不是必不可少的。 目标受众是高级社区学院和大学生。
【文件预览】：
first edition
----notebooks()
--------.ipynb_checkpoints()
--------chapter-19-SVM.ipynb(155KB)
--------chapter-17-LDA-QDA.ipynb(118KB)
--------chapter-18-PCA.ipynb(848KB)
--------chapter-8-lasso-regression.ipynb(290KB)
--------chapter-3-least-squares.ipynb(378KB)
--------chapter-5-polynomial.ipynb(303KB)
--------cover-figure.ipynb(183KB)
--------chapter-6-stepwise-regression.ipynb(347KB)
--------GSML.py(6KB)
--------COPYING(34KB)
--------chapter-1-Data-Fiiles-and-Models.ipynb(10KB)
--------chapter-22-heart-disease.ipynb(138KB)
--------chapter-14-Neural-Network.ipynb(486KB)
--------chapter-7-ridge-regression.ipynb(350KB)
--------chapter-13-roc.ipynb(95KB)
--------chapter-9-spline-regression.ipynb(299KB)
--------chapter-16-KNN.ipynb(284KB)
--------chapter-23-clustering.ipynb(1MB)
--------appendix-B-linear-algebra.ipynb(67KB)
--------chapter-4-multilinear.ipynb(28KB)
--------__pycache__()
--------chapter-11-regression-tree.ipynb(99KB)
--------chapter-21-ensembles.ipynb(890KB)
--------chapter-15-Naive-Bayes.ipynb(112KB)
--------chapter-10-nonlinear-regression.ipynb(526KB)
--------chapter-12-logistic.ipynb(176KB)
--------chapter-20-decision-tree.ipynb(816KB)
----LICENSE(34KB)
----other()
--------white-wine-class.pdf(407KB)
----data()
--------BUILDING.JPG(148KB)
--------first-csv-file.csv(91B)
--------us-population.txt(251B)
--------solar-data-july-2015.txt(3KB)
--------arabica.txt(704B)
--------JPG(120B)
--------robusta.txt(704B)
--------flux-and-sunspot.txt(16KB)