文件名称：pydata-tutorial:伦敦 PyData 文件 伦敦，2015
文件大小：1.09MB
文件格式：ZIP
更新时间：2024-06-18 08:41:09
Python
你的模型有多“好”， 以及如何让它变得更好？ PyData 伦敦，2015 在机器学习中，“真正的艺术家”与“一击必杀的奇迹”的区别在于对模型在不同数据方面的表现的理解。 本动手教程将向您展示如何使用scikit-learn的模型评估功能来评估准确性和通用性方面的不同模型，以及搜索最佳参数配置。 本教程的目的是为参与者提供使用 scikit-learn 的评估指标和参数搜索功能验证、评估和微调模型所需的技能。 它将结合这些方法背后的理论原理及其代码实现。 您可以在找到更多信息和大致时间表 所需的库：numpy、scikit-learn、matplotlib、pandas、scipy、multiple_perceptron（从提供）
【文件预览】：
pydata-tutorial-master
----PyData_vanilla_v3.ipynb(35KB)
----figures()
--------linearSVM.png(34KB)
--------scatter.png(21KB)
--------neuralnets.png(32KB)
--------tuningSVM.png(19KB)
--------knn100.png(30KB)
--------combo.png(325KB)
--------logreg.png(31KB)
--------tuningNN.png(14KB)
--------rbf.png(65KB)
--------c10g100.png(70KB)
--------hist.png(8KB)
--------knn3.png(33KB)
----visplots.py(6KB)
----PyData_vanilla.ipynb(35KB)
----PyData.ipynb(518KB)
----README.md(1KB)
----multilayer_perceptron()
--------autoencoder_example.py(1KB)
--------Readme.txt(600B)
--------__init__.pyc(120B)
--------base.py(5KB)
--------mlp_example.py(854B)
--------__init__.py(0B)
--------multilayer_perceptron.py(44KB)
--------autoencoder.py(18KB)
--------base.pyc(6KB)
--------gradient_test.py(4KB)
--------multilayer_perceptron.pyc(37KB)
----wdbc.csv(121KB)