文件名称：Machine-Learning-Algorithms:机器学习算法，由Packt发布
文件大小：62KB
文件格式：ZIP
更新时间：2024-06-17 05:49:14
Python
机器学习算法 这是发布的“ 的代码库。 它包含从头到尾完成本书所必需的所有支持项目文件。 关于这本书 在本书中，您将学习数据科学领域中常用的所有重要的机器学习算法。 这些算法可用于有监督以及无监督学习，强化学习和半监督学习。 本书涵盖了一些著名的算法，包括线性回归，逻辑回归，SVM，朴素贝叶斯，K均值，随机森林，XGBooster和特征工程。 在本书中，您还将学习这些算法的工作原理以及解决问题的实际实现。 本书还将向您介绍自然处理语言和推荐系统，该系统可帮助您同时运行多种算法。 读完本书后，您将已掌握根据问题选择机器学习算法进行聚类，分类或回归的方法。 说明和导航 所有代码都组织在文件夹中。 每个文件夹均以数字开头，后跟应用程序名称。 例如，Chapter02。 该代码将如下所示： nn = NearestNeighbors(n_neighbors=10, radius=5.0, m
【文件预览】：
Machine-Learning-Algorithms-master
----Chapter07()
--------2kernel_svm_1.py(873B)
--------1linear_svm.py(1KB)
--------4svr.py(1KB)
--------3controlled_svm.py(1KB)
--------2kernel_svm_2.py(995B)
--------2kernel_svm.py(1KB)
----Chapter03()
--------1categorical.py(2KB)
--------2data_scaling.py(2KB)
--------2data_normalization.py(647B)
--------5kernel_pca.py(1KB)
--------1missing_features.py(710B)
--------4pca.py(2KB)
--------3feature_selection.py(1KB)
--------5nmf.py(783B)
--------5dictionary_learning.py(898B)
--------3feature_filtering.py(1KB)
----Chapter08()
--------2decision_tree_2.py(971B)
--------4random_forest_2.py(866B)
--------6adaboost_2.py(593B)
--------3random_forest.py(868B)
--------1decision_tree.py(1KB)
--------7gradient_tree_boosting.py(1KB)
--------8voting_classifier.py(3KB)
--------5adaboost.py(860B)
----Chapter06()
--------3gaussian.py(2KB)
--------2multinomial.py(1011B)
--------1bernoulli.py(1KB)
----Chapter14()
--------1gradients.py(1KB)
--------2logistic_regression.py(3KB)
--------4convolution.py(1KB)
--------3mlp.py(3KB)
--------5keras_cifar10.py(2KB)
----Chapter05()
--------1logistic_regression.py(2KB)
--------4classification_metrics.py(2KB)
--------3grid_search_2.py(1KB)
--------3grid_search.py(1011B)
--------5roc_curve.py(1KB)
--------2perceptron.py(1KB)
----Chapter15()
--------2pipeline_2.py(3KB)
--------3feature_union.py(1KB)
--------1pipeline.py(1KB)
----Chapter09()
--------3spectral_clustering_2.py(1KB)
--------2dbscan.py(1KB)
--------3spectral_clustering.py(1KB)
--------1k_means.py(1KB)
--------1k_means_2.py(1KB)
----LICENSE(1KB)
----Chapter04()
--------5polynomial_regression.py(1KB)
--------6isotonic_regression.py(1KB)
--------4ransac_regression.py(1KB)
--------3ridge_lasso_elasticnet.py(2KB)
--------2multiple_linear_regression.py(1KB)
--------1twoD_linear_regression.py(1KB)
----Chapter11()
--------5als_spark.py(1KB)
--------4model_based_cf.py(903B)
--------2content-based.py(1KB)
--------1user_based.py(1KB)
--------3memory_based_cf.py(1KB)
----Chapter12()
--------7reuters_text_classifier.py(2KB)
--------6vectorizing.py(2KB)
--------1corpora.py(487B)
--------5stemming.py(923B)
--------3stopwords_removal.py(600B)
--------4language_detection.py(328B)
--------2tokenizing.py(1KB)
----Chapter10()
--------2agglomerative_clustering.py(2KB)
--------1dendrogram.py(979B)
--------3connectivity_constraints.py(2KB)
----README.md(3KB)
----Chapter13()
--------7vader_sentiment_analysis.py(293B)
--------5lda.py(2KB)
--------4plsa.py(3KB)
--------3lsa_2.py(1KB)
--------6sentiment_analysis.py(2KB)
--------2lsa_1.py(1KB)
--------1lsa.py(2KB)