文件名称：Ensemble-Machine-Learning:Packt发布的Ensemble Machine Learning代码存储库
文件大小：6.58MB
文件格式：ZIP
更新时间：2024-06-17 06:06:16
Python
集成机器学习 这是发布的的代码存储库。 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 整合是一种将两个或多个相似或不相似的机器学习算法结合在一起以创建可提供卓越预测能力的模型的技术。 本书将向您展示如何使用许多弱算法来构建强预测模型。 本书包含适用于不同机器学习算法的Python代码，因此您可以轻松地在自己的系统中理解和实现它。 本书涵盖了在现实世界中广泛用于预测和分类的各种机器学习算法。 它涉及预测框架的不同方面，例如数据预处理，模型训练，模型验证等。 您将获得有关机器学习各个方面的知识，例如装袋（决策树和随机森林），提升（Ada-boost）和堆叠（结合装袋和提升算法）。 然后，您将学习如何通过使用TensorFlow和Python库（例如scikit-learn和NumPy）构建集成模型来实现它们。 随着机器学习几乎涉及到数字世界的每个领域，您将看到如何将这些算法
【文件预览】：
Ensemble-Machine-Learning-master
----Chapter05()
--------Data()
--------AdaboostAlgorithmExample.py(1KB)
--------AdaBoostFaceDetection.py(2KB)
--------Adaboost.py(8KB)
----Chapter04()
--------KNN.py(4KB)
--------Data()
--------utilityFunctions.py(3KB)
--------knnAlgoTest.py(1KB)
--------SpamClassification.py(3KB)
----Chapter02()
--------SplitCheck.py(2KB)
--------Data()
--------PracticalApplication.py(1KB)
--------DecisionTree_ID3.py(8KB)
--------ID3_Test.py(1KB)
--------testTree.json(20B)
----README.md(4KB)
----Chapter10()
--------DigitClassification.py(5KB)
--------ANN.py(5KB)
----Chapter06()
--------Data()
--------RegressionTrees.py(7KB)
--------RegressionTreeTest.py(2KB)
----LICENSE(1KB)
----Chapter07()
--------Data()
--------xgBoost.py(1KB)
--------xgboost_param_tune.py(4KB)
----Chapter09()
--------Data()
--------RecursiveFeatureElimination.py(1KB)
--------feature_reduction_impact.py(1KB)
--------stacking_spamdata.py(4KB)
--------bcancer.csv(20KB)
--------SVM_KernelTrick.py(3KB)
--------RF_feature_selection.py(4KB)
--------sonar.all-data.csv(86KB)
--------FeatureSelection_PCA.py(893B)
--------UnivariateFeatureSelection.py(1KB)
--------SVM_Test.py(3KB)
----Chapter08()
--------Data()
--------StackedGeneralization.py(10KB)
----Chapter01()
--------Bagging.py(1KB)
--------kmeansClustering.py(5KB)
--------Boosting.py(1KB)
--------Stacking.py(2KB)
----Chapter03()
--------Data()
--------PracticalApplication.py(1KB)
--------BinaryTree.py(1KB)
--------DecisionTree.py(3KB)
--------RandomForest.py(899B)
--------DecisionTree_CART_RF.py(11KB)