【文件属性】：
文件名称：learn-scikit-learn:演示如何使用scikit-learn工具解决机器学习问题
文件大小：1.36MB
文件格式：ZIP
更新时间：2021-05-18 07:26:51
JupyterNotebook
使用scikit-learn分析银行营销数据
此回购包含2个笔记本，这些笔记本演示了如何使用scikit-learn解决分类机器学习问题。 这些模型在葡萄牙银行机构的直接营销活动（电话）数据上进行了训练（数据源： ）。 分类的目的是预测客户是否将认购定期存款（变量y）。
对于动手研讨会，请在notebooks目录中使用名为的notebooks 。 如果愿意，您还可以参考 。
要查看解决机器学习问题的完整过程，请参阅笔记本。 它说明了训练，评估，调整/优化和解释逻辑回归模型的过程
笔记本演示了如何使用逻辑回归分类器，朴素贝叶斯分类器，最近邻分类器，决策树分类器，支持向量机分类器，随机森林分类器遵循类似的模式来训练模型。 它还演示了如何使用GridSearchCV优化随机森林分类器。
开始吧
git clone github.com/davified/learn-scikit-learn
【文件预览】：
learn-scikit-learn-master
----.ipynb_checkpoints()
--------bank-data-exploration-sketch-checkpoint.ipynb(352KB)
--------comparing-models-checkpoint.ipynb(50KB)
----notebooks()
--------4-comparing-models.ipynb(50KB)
--------3-classification-model-workshop-solutions.ipynb(215KB)
--------1-hello-jupyter-python-pandas.ipynb(91KB)
--------comparing-models.ipynb(50KB)
--------full-analysis.ipynb(232KB)
--------2-classification-model-workshop-starter-code.ipynb(22KB)
--------logistic-regression-formula-playground.ipynb(24KB)
--------data-preprocessing.ipynb(10KB)
----requirements.txt(106B)
----environment.yml(160B)
----README.md(3KB)
----data()
--------.DS_Store(6KB)
--------bank-marketing-data()
----.gitignore(39B)
----bin()
--------setup.sh(2KB)
--------setup_deprecated.sh(1KB)