文件名称:Machine-Deep-Learning-in-Python-and-R:Python,R,Keras和PySpark中的端到端建模示例
文件大小:25.26MB
文件格式:ZIP
更新时间:2024-06-06 11:53:32
JupyterNotebook
机器学习和深度学习 端到端建模过程 数据加载和预处理:数据丢失,可视化,缩放,文本/图像预处理等 算法或架构选择 模型评估:训练测试拆分,交叉验证,指标等 超参数调整 最终模型保存到磁盘并加载 问题类别 回归 分类 聚类 降维 自然语言处理(NLP) 图像识别 时间序列预测 关联规则学习 使用Python scikit-learn库进行机器学习 回归/分类:线性回归,岭,套索,弹性网,逻辑回归,线性判别分析(LDA),朴素贝叶斯(NB),K最近邻(KNN),支持向量机(SVM),决策树,袋装树,额外的树,随机森林,AdaBoost,梯度提升,XGBoost,神经网络 聚类:K-Means聚类,分层聚类 降维:主成分分析(PCA),内核PCA,LDA 自然语言处理 时间序列预测:持续性模型,自回归综合移动平均值(ARIMA)模型 关联规则学习 使用R进行机器学习 回归/分类:线性回归,偏