文件名称：Mastering-Machine-Learning-Algorithms-Second-Edition:精通机器学习算法第二版，由Packt发行
文件大小：1.77MB
文件格式：ZIP
更新时间：2024-06-15 16:06:31
Python
精通机器学习算法-第2版 这是出版的的代码存储库。 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 新的第二版畅销书籍指南，用于探索和掌握用于解决复杂机器学习问题的最重要算法，其更新范围包括Python 3.8和TensorFlow 2.x以及最新的新算法和技术。 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： ax.plot(lr_train_sizes, np.mean(lr_train_scores, axis=1), "o-", label="Training") ax.plot(lr_train_sizes, np.mean(lr_test_scores, axis=1), "o-", label="Test") ax.set_xlabel('Training set size
【文件预览】：
Mastering-Machine-Learning-Algorithms-Second-Edition-master
----Chapter13()
--------dcgan.py(6KB)
--------wgan.py(6KB)
----Chapter01()
--------scaling.py(2KB)
--------cross_validation.py(2KB)
--------whitening.py(1KB)
--------normalization.py(1023B)
--------regularization.py(1KB)
--------dataset_splitting.py(661B)
--------cross_validation_2.py(1KB)
----Chapter16()
--------q_learning.py(5KB)
--------policy_gradient.py(3KB)
--------q_learning_nn.py(8KB)
--------td_lambda.py(8KB)
--------actor_critic_td0.py(6KB)
--------sarsa.py(5KB)
----Chapter05()
--------smoothing.py(1KB)
--------isotonic_regression.py(1KB)
--------tsa_arima.py(1KB)
--------ridge_regression.py(3KB)
--------logistic_regression.py(1KB)
--------tsa.py(3KB)
--------energydata_complete.csv(11.41MB)
--------linear_regression.py(2KB)
--------huber_regression.py(1KB)
--------polynomial_regression.py(3KB)
----Chapter04()
--------fuzzy_cmeans.py(2KB)
--------spectral_clustering.py(2KB)
--------evaluation_metrics.py(2KB)
--------kmeans.py(2KB)
--------k_nearest_neighbors.py(961B)
--------apriori.py(1KB)
--------dbscan.py(3KB)
--------biclustering.py(2KB)
----Chapter03()
--------laplacian_regularization.py(3KB)
--------laplacian_spectral_embedding.py(991B)
--------label_propagation_scikit_learn.py(2KB)
--------isomap.py(823B)
--------markov_random_walk.py(2KB)
--------label_propagation.py(3KB)
--------label_spreading.py(2KB)
--------locally_linear_embedding.py(834B)
--------tsne.py(947B)
----Chapter07()
--------gaussian_mixture.py(2KB)
--------sparse_pca.py(1KB)
--------pca.py(2KB)
--------kernel_pca.py(1KB)
--------bayesian_gaussian_mixture.py(855B)
--------factor_analysis.py(2KB)
--------parameter_estimation.py(623B)
--------ica.py(1KB)
----Chapter02()
--------generative_gaussian_mixtures.py(4KB)
--------self_training.py(2KB)
--------s3vm.py(5KB)
--------tsvm_comparison_10_01.py(5KB)
--------tsvm_comparison_svm.py(2KB)
--------cple.py(3KB)
--------cotraining.py(3KB)
--------tsvm_comparison_1_10.py(5KB)
--------tsvm.py(5KB)
----Chapter11()
--------recurrent.py(3KB)
--------dcn.py(4KB)
--------dcn_da.py(4KB)
----Chapter15()
--------value_iteration.py(6KB)
--------policy_iteration.py(6KB)
--------td0.py(6KB)
----LICENSE(1KB)
----README.md(2KB)
----Chapter12()
--------dca.py(5KB)
--------denoising_dca.py(5KB)
--------sparse_dca.py(5KB)
--------variational_dca.py(5KB)
----Chapter06()
--------metropolis-hastings-sampling.py(1KB)
--------direct_sampling.py(829B)
--------stan_example.py(3KB)
--------pymc3_sampling.py(2KB)
--------hmm.py(4KB)
----Chapter09()
--------xgb.py(1KB)
--------random_forest.py(4KB)
--------adaboost.py(4KB)
--------gradient_tree_boosting.py(2KB)
--------voting_classifiers.py(2KB)
----Chapter08()
--------covariance_rule.py(2KB)
--------hebb_rule.py(961B)
--------sanger_network.py(2KB)
--------SOM.py(3KB)
--------rubner_tavan_network.py(3KB)
----Chapter14()
--------unsupervised_dbn.py(2KB)
--------supervised_dbn.py(1KB)
----Chapter10()
--------perceptron.py(2KB)
--------batch_normalization.py(3KB)
--------dropout.py(5KB)
--------mlp.py(3KB)