文件名称：Mastering-Machine-Learning-Algorithms:精通机器学习算法，由Packt发布
文件大小：75KB
文件格式：ZIP
更新时间：2024-06-16 21:16:09
Python
掌握机器学习算法 这是出版的的代码库。 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 机器学习是AI的子集，旨在使现代计算机系统变得越来越智能。 机器学习的真正力量在于它的算法，该算法甚至使最困难的事情也能够由机器处理。 但是，随着技术和数据需求的发展，机器将必须比今天更加智能，才能满足压倒性的数据需求。 掌握这些算法并以最佳方式使用它们是一个小时的需要。 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： from sklearn.model_selection import train_test_split X_train, X_test, Y_train, Y_test = train_test_split(X, Y, train_size=0.7, random_state=1)
【文件预览】：
Mastering-Machine-Learning-Algorithms-master
----Chapter13()
--------unsupervised_dbn.py(2KB)
--------supervised_dbn.py(2KB)
----Chapter01()
--------cross_validation.py(861B)
--------cross_validation_3.py(622B)
--------cross_validation_2.py(852B)
----Chapter05()
--------gaussian_mixture.py(1KB)
--------pca.py(1KB)
--------factor_analysis.py(2KB)
--------parameter_estimation.py(526B)
--------ica.py(1KB)
----Chapter04()
--------metropolis-hastings-sampling.py(1KB)
--------direct_sampling.py(1KB)
--------pymc3_example.py(2KB)
--------hmm.py(2KB)
----Chapter03()
--------laplacian_spectral_embedding.py(933B)
--------label_propagation_scikit_learn.py(1KB)
--------Old()
--------isomap.py(784B)
--------label_propagation.py(2KB)
--------label_spreading.py(1KB)
--------label_propagation_mrw.py(2KB)
--------locally_linear_embedding.py(799B)
--------tsne.py(827B)
----Chapter07()
--------fuzzy_cmeans.py(1KB)
--------spectral_clustering.py(1KB)
--------metrics.py(1KB)
--------evaluation_metrics.py(2KB)
--------kmeans.py(2KB)
--------k_nearest_neighbors.py(971B)
----Chapter02()
--------generative_gaussian_mixtures.py(4KB)
--------s3vm.py(5KB)
--------cple.py(3KB)
--------tsvm.py(5KB)
----Chapter11()
--------dca.py(5KB)
--------denoising_dca.py(5KB)
--------sparse_dca.py(5KB)
--------variational_dca.py(5KB)
----Chapter15()
--------q_learning.py(5KB)
--------q_learning_nn.py(8KB)
--------td_lambda.py(7KB)
--------actor_critic_td0.py(5KB)
--------sarsa.py(5KB)
----LICENSE(1KB)
----README.md(4KB)
----Chapter12()
--------dcgan.py(8KB)
--------wgan.py(8KB)
----Chapter06()
--------covariance_rule.py(2KB)
--------hebb_rule.py(986B)
--------sanger_network.py(2KB)
--------SOM.py(3KB)
--------rubner_tavan_network.py(2KB)
----Chapter09()
--------perceptron.py(2KB)
--------batch_normalization.py(2KB)
--------dropout.py(4KB)
--------mlp.py(2KB)
----Chapter08()
--------random_forest.py(2KB)
--------adaboost.py(3KB)
--------gradient_tree_boosting.py(1KB)
--------voting_classifiers.py(1KB)
----Chapter14()
--------value_iteration.py(6KB)
--------policy_iteration.py(5KB)
--------td0.py(5KB)
----Chapter10()
--------recurrent.py(3KB)
--------dcn.py(3KB)
--------dcn_da.py(5KB)