文件名称：jupyter笔记本：Jupyter笔记本和其他
文件大小：19.07MB
文件格式：ZIP
更新时间：2024-02-24 01:48:11
nlp data-science machine-learning statistics deep-learning
布局 标题 上一次更改 维基 Jupyter笔记本 2020/11/15 12:41:21 深度学习 Scikit，学习上的IRIS数据集的感知器，神经网络，Keras。 TensorFlow Implementaion在MNIST数据集。 Softmax，交叉熵损失 使用PyTorch进行梯度计算。 层调试。 验证合并，连接方法。 在文本嵌入上验证Conv1D。 验证Image数据集上的Conv2D。 验证LSTM计算。 器具Seq2Seq学习的执行加法。 器具Seq2Seq有注意力用于添加任务。 注意机制 注意 自然语言处理 论文“神经概率语言模型（Bengio等，2003）”的实现 UCI新闻数据集上具有CNN的多类别分类。 基本字符级Seq2Seq模型 带有ELMo嵌入的情感分析。 AllenNLP教程 使用CNN / TensorBoard进行文本分类 BERT文章的示例代码。 常规机器学习 IRIS数据集的决策树可视化。 从头开始决策树从头开始 决策树，随机森林，UCI新闻数据集上的朴素贝叶斯。 在UCI新闻数据集上训练朴素贝叶斯分
【文件预览】：
jupyter-notebooks-master
----machine-learning()
--------linear-regression.py(3KB)
--------dimensionality-reduction.ipynb(576KB)
--------iris-dtreeviz.ipynb(2KB)
--------support-vector-machine-explained.ipynb(494KB)
--------iris-svm-trees.ipynb(348KB)
--------multinomial-naive-bayes.ipynb(13KB)
--------algorithm-chains-and-pipelines.ipynb(19KB)
--------keras-lstm-for-imdb-sentiment-classification.ipynb(397KB)
--------loss-3d.py(1KB)
--------news-classification.ipynb(1.61MB)
--------decision-tree-from-scratch.ipynb(8KB)
--------representing-data.ipynb(5KB)
--------xgboost.py(1KB)
--------titanic.ipynb(1.12MB)
--------logistic-regression.ipynb(63KB)
--------model-evaluation.ipynb(256KB)
--------news-classification-nb.ipynb(14KB)
--------iris-visualized-by-shap-and-lime.ipynb(2.03MB)
--------data()
----deep-learning()
--------attention_dense.py(4KB)
--------backpropagation.ipynb(172KB)
--------addition_seq2seq.py(5KB)
--------sin-graph-prediction.ipynb(84KB)
--------attention_lstm.py(4KB)
--------lstm-return.py(429B)
--------keras-intermediate-debugging.ipynb(10KB)
--------util.py(5KB)
--------lstm-keras-inspect.py(3KB)
--------addition_rnn.py(6KB)
--------time-distributed.py(460B)
--------tensorflow-weight.py(631B)
--------keras-attention()
--------linear-regression-tensorflow.py(865B)
--------cnn-conv2d-internals.py(2KB)
--------pytorch-grad.py(489B)
--------tensorboard()
--------mnist.py(3KB)
--------softmax.py(2KB)
--------keras-shape-inspect.py(3KB)
--------time-series-prediction-rnn.ipynb(134KB)
--------cnn-conv1d-internals.py(2KB)
--------time-series-lstm-pytorch.ipynb(98KB)
--------perceptron.ipynb(73KB)
--------nlp()
----.gitignore(57B)
----README.md(10KB)
----data-science()
--------prob-with-permutations.py(677B)
--------gaussian-distribution.ipynb(138KB)
--------linear-algebra-transpose-differential.ipynb(15KB)
--------circular-queue.ipynb(5KB)
--------sympy.py(983B)
--------euclidean-v-cosine.ipynb(39KB)
--------ghost-leg-probabilities.ipynb(106KB)
--------hard-sigmoid.ipynb(13KB)
--------calc-entropy.ipynb(9KB)
--------poisson-dist.ipynb(24KB)
--------seaborn.ipynb(89KB)
--------vanishing-gradients.ipynb(16KB)
--------odds-ratio.ipynb(40KB)
--------bigquery-pandas.ipynb(94KB)
--------gibbs-sampling.ipynb(13KB)