文件名称：菜菜机器学习课堂代码
文件大小：14MB
文件格式：ZIP
更新时间：2022-12-17 15:10:56
机器学习
菜菜机器学习课堂代码，多敲代码多敲代码，才好理解之中的精华。菜菜机器学习课堂代码，多敲代码多敲代码，才好理解之中的精华。
【文件预览】：
sklearn-ml-master
----4PCA and SVD.ipynb(623KB)
----4PCA and SVD.html(905KB)
----12xgboost.ipynb(702KB)
----5逻辑回归.ipynb(285KB)
----7SVM-上.ipynb(1.53MB)
----8SVM-下-理论.html(1MB)
----9线性回归 .ipynb(692KB)
----6聚类算法与Kmeans.html(3.79MB)
----11Naive Bayes.html(1.08MB)
----2随机森林.ipynb(278KB)
----1决策树.ipynb(452KB)
----5逻辑回归.html(561KB)
----3_2三种特征选择方法的对比.html(282KB)
----12xgboost.html(1.04MB)
----7SVM-上.html(1.81MB)
----3数据预处理和特征工程.html(587KB)
----8SVM-下 - 案例部分源码-处理地点.ipynb(368KB)
----3_2三种特征选择方法的对比.ipynb(30KB)
----8SVM-下-理论.ipynb(732KB)
----11Naive Bayes.ipynb(753KB)
----2随机森林.html(573KB)
----1决策树.html(728KB)
----8SVM-下 - 案例部分源码-未处理地点.html(578KB)
----README.md(143B)
----5案例评分卡.ipynb(304KB)
----8SVM-下 - 案例部分源码-未处理地点.ipynb(328KB)
----3数据预处理和特征工程.ipynb(297KB)
----.gitattributes(98B)
----8SVM-下 - 案例部分源码-处理地点.html(612KB)
----6聚类算法与Kmeans.ipynb(3.54MB)
----5案例评分卡.html(583KB)
----9线性回归 .html(1.01MB)