文件名称:machine_learning:机器学习算法学习记录
文件大小:26.41MB
文件格式:ZIP
更新时间:2024-05-30 13:16:04
JupyterNotebook
machine_learning 机器学习,代码记录,主要关键点整理。 名称 目录 Linear Regression Logistic Regression Decision Tree KNN Naive_Bayes SVM neutral_network ensemble_method feature_engineering titanic_example
【文件预览】:
machine_learning-master
----linear_regression()
--------.ipynb_checkpoints()
--------Untitled.ipynb(14KB)
--------Linear Regression()
--------readme.md(3KB)
--------.vscode()
----neural_network()
--------链式法则-示例.png(36KB)
--------链式法则.png(64KB)
--------前向传输-初始值.png(42KB)
--------neural_network.py(0B)
--------为什么需要神经网络.png(301KB)
--------神经网络-计算表示.png(256KB)
--------readme.md(7KB)
--------.vscode()
--------逻辑回归的神经元表示.png(94KB)
--------链式法则-隐藏层.png(60KB)
--------cost_function.png(150KB)
--------神经网络-基本结构.jpeg(309KB)
----logistic_regression()
--------ROC曲线.png(39KB)
--------损失函数公式.png(11KB)
--------Logistic_Regression.py(12KB)
--------age_distribution.png(33KB)
--------adult_data_test_new.csv(1.69MB)
--------adult_data_train_new.csv(3.36MB)
--------readme.md(3KB)
--------sigmoid函数.png(7KB)
--------梯度下降.png(57KB)
----ensemble_method()
--------ensemble.py(2KB)
--------gbdt_sklearn.py(2KB)
--------GBDT回归.png(57KB)
--------train_modified.csv(2.33MB)
--------xgboost_parameter_tuning.py(2KB)
--------pfm_test.csv(47KB)
--------readme.md(39KB)
--------.vscode()
--------random_forest.py(2KB)
--------testSet.txt(2KB)
----SVM()
--------svm_complete_kernel.py(18KB)
--------支持向量机(2).png(79KB)
--------svm_complete_Non-Kernel.py(13KB)
--------svm_sklearn.py(2KB)
--------readme.md(4KB)
--------svm_simple.py(10KB)
--------testSet.txt(2KB)
----README.md(1KB)
----.vscode()
--------tasks.json(277B)
----feature_engineer()
--------独热编码和哑变量编码.png(12KB)
--------特征工程.jpg(103KB)
--------归一化.jpg(21KB)
--------未归一化.jpg(21KB)
--------readme.md(26KB)
----KNN()
--------knn.py(2KB)
--------knn_sklearn.py(2KB)
--------readme.md(3KB)
----titantic_example()
--------output_33_0.png(5KB)
--------output_24_0.png(14KB)
--------output_27_0.png(6KB)
--------output_20_1.png(6KB)
--------output_36_0.png(12KB)
--------output_49_0.png(16KB)
--------data()
--------output_56_4.png(24KB)
--------titanic.ipynb(622KB)
--------output_25_0.png(6KB)
--------output_23_0.png(15KB)
--------output_34_0.png(6KB)
--------output_41_0.png(6KB)
--------output_56_3.png(21KB)
--------output_56_1.png(21KB)
--------output_17_0.png(20KB)
--------output_56_2.png(23KB)
--------output_40_0.png(5KB)
--------output_28_0.png(33KB)
--------output_59_0.png(15KB)
--------output_21_0.png(30KB)
--------output_18_0.png(6KB)
--------output_26_0.png(6KB)
--------readme.md(51KB)
--------output_58_0.png(77KB)
--------output_56_0.png(21KB)
--------output_19_0.png(6KB)
--------output_8_1.png(3KB)
----git_try.txt(90B)
----decision tree()
--------readme.md(6KB)
--------.vscode()
--------decision_tree.py(9KB)
----Naive_Bayes()
--------Naive_Bayes_Sklearn_Iris_Classification.py(874B)
--------Naive_Bayes.py(6KB)
--------Naive_Bayes_Kaggle.py(4KB)
--------readme.md(8KB)