【文件属性】：
文件名称：CS464-Introduction-to-Machine-Learning:比尔肯特大学CS464机器学习入门的作业和项目实施
文件大小：7.3MB
文件格式：ZIP
更新时间：2021-04-04 07:32:28
JupyterNotebook
CS464机器学习简介
比尔肯特大学CS464课程的作业和项目实施。
资料库的覆盖范围
1号
概率论与朴素贝叶斯
将独立性应用于条件概率以解决概率问题。
推导Poisson分布的MLE和MAP估计，并证明它们在统一先验条件下是相同的。
在Twitter航空公司数据集上，使用“朴素贝叶斯”多项式通过“词袋”方法对情绪进行分类。
在相同数据上，应用二项式朴素贝叶斯模型。
比较并讨论结果。
用Python实现（Jupyter Notebook）
硬汉2
PCA，线性回归，逻辑回归和SVM（支持向量机）
实施并使用PCA来获取特征脸，并使用一定数量的PC重新构造图像。 讨论结果。
求出用于线性回归的普通最小二乘（OLS）损失的闭式解，并将其应用于所提供的数据。
将全批次和小批次梯度下降算法应用于逻辑回归分类器，显示手动构建的混淆矩阵和性能指标。
使用sklearn库将SVM应用
【文件预览】：
CS464-Introduction-to-Machine-Learning-main
----hw1()
--------cs464-spring2019-hw1.pdf(208KB)
--------CS464 Machine Learning Homework 1 Report.pdf(358KB)
--------hw1.py(9KB)
--------hw1.ipynb(17KB)
----hw2()
--------hw2-q3-LogisticRegression.ipynb(37KB)
--------cs464_spring2019_hw2.pdf(172KB)
--------hw2-q1-PCA.ipynb(106KB)
--------CS464 Machine Learning Homework 2 Report.pdf(621KB)
--------hw2-q2-LinearRegression.ipynb(119KB)
--------hw2-q4-SVM.ipynb(61KB)
----README.md(2KB)
----Project()
--------Progress()
--------Final()
--------Proposal()
----hw3()
--------CS464_HW3_Spring19.ipynb(2.75MB)
--------requirements.txt(49B)
--------CS464_HW3_Spring19.pdf(165KB)
----.gitattributes(66B)