文件名称：edx-Scalable-Machine-Learning
文件大小：206KB
文件格式：ZIP
更新时间：2024-06-08 07:51:01
Python
edx可伸缩机器学习 实验1： 实验2： Lab3：百万首歌曲回归点数 梯度下降的线性回归本实验将涵盖： 第1部分：读取和解析初始数据集第2部分：创建和评估基准模型第3部分：训练（通过梯度下降）并评估线性回归模型第4部分：使用MLlib进行训练并通过网格搜索调整超参数第5部分：添加功能之间的交互 实验4：点击率预测管道 本实验将涵盖： 第1部分：使用一键编码（OHE）使分类数据特征化第2部分：构建OHE词典第3部分：解析点击率数据并生成OHE功能第4部分：点击率预测和对数损失评估：（ROC） 第5部分：通过特征哈希减少特征维：超参数热图 实验5：光片成像上的PCA 本实验将涵盖： 第1部分：在样本数据集上完成PCA的步骤可视化1：二维高斯第2部分：编写PCA函数并在样本数据集上评估PCA 可视化2：PCA投影可视化3：三维数据可视化4：3D数据的2D表示第3部分：解析，检查和预处理神经科
【文件预览】：
edx-Scalable-Machine-Learning-master
----.gitattributes(378B)
----ML_lab4_ctr_student.py(53KB)
----ML_lab1_review_student.ipynb(47KB)
----ML_lab4_ctr_student.ipynb(182KB)
----ML_lab2_word_count_student.ipynb(27KB)
----ML_lab3_linear_reg_student.py(42KB)
----ML_lab3_linear_reg_student.ipynb(90KB)
----README.md(2KB)
----ML_lab1_review_student.py(37KB)
----.gitignore(574B)
----ML_lab3_linear_reg_student.dbc(20KB)