【文件属性】：
文件名称：matlab不运行一段代码-Machine-Learning-Examples:机器学习示例
文件大小：19.76MB
文件格式：ZIP
更新时间：2021-05-24 00:26:37
系统开源
matlab不运行一段代码自制机器学习
对于此存储库的Octave
/
MatLab版本，请检查项目。
该存储库包含用Python实现的流行机器学习算法的示例，并在后面解释了数学原理。
每种算法都有交互式的Jupyter
Notebook演示，使您可以使用训练数据，算法配置并立即在浏览器中查看结果，图表和预测。
在大多数情况下，解释是基于Andrew
Ng的。
这个仓库的目的不是为了实现机器学习算法通过使用第三方库的俏皮话，而是练从头开始执行这些算法和获得更好的理解每个算法背后的数学。
这就是为什么所有算法实现都称为“自制”而不是用于生产的原因。
监督学习
在监督学习中，我们有一组训练数据作为输入，而每个训练组都有一组标签或“正确答案”作为输出。
然后，我们正在训练模型（机器学习算法参数）以将输入正确映射到输出（以进行正确的预测）。
最终目的是找到即使对于新的输入示例也可以成功地继续正确的输入→输出映射（预测）的模型参数。
回归
在回归问题中，我们进行实际价值预测。
基本上，我们尝试沿着训练示例绘制直线/平面/
n维平面。
用法示例：股票价格预测，销售分析，任意数量的依存关系等。
:robot:
【文件预览】：
Machine-Learning-Examples-master
----K-Means.ipynb(72KB)
----data()
--------world-happiness-report-2017.csv(29KB)
--------microchips-tests.csv(2KB)
--------fashion-mnist-demo.csv(10.57MB)
--------server-operational-params.csv(11KB)
--------non-linear-regression-x-y.csv(4KB)
--------mnist-demo.csv(17.43MB)
--------iris.csv(4KB)
--------README.md(3KB)
----LICENSE(1KB)
----CONTRIBUTING.md(1KB)
----requirements.txt(103B)
----CODE_OF_CONDUCT.md(3KB)
----homemade-machine-learning-master.zip(8.47MB)
----README.md(10KB)
----homemade()
--------k_means()
--------anomaly_detection()
--------linear_regression()
--------neural_network()
--------logistic_regression()
--------utils()
----notebooks()
--------k_means()
--------Introduction-to-Matplotlib-and-Line-Plots-py-v2.0.ipynb(389KB)
--------anomaly_detection()
--------review-introduction.ipynb(134KB)
--------SVM-cancer-py-v1.ipynb(15KB)
--------Logistic-Reg-churn-py-v1.ipynb(51KB)
--------linear_regression()
--------Decision-Trees-drug-py-v1.ipynb(231KB)
--------Area-Plots-Histograms-and-Bar-Charts-py-v2.0.ipynb(1.04MB)
--------Hierarchical-Cars-py-v1.ipynb(555KB)
--------K-Means-Customer-Seg-py-v1.ipynb(165KB)
--------Waffle-Charts-Word-Clouds-and-Regression-Plots-py-v2.0.ipynb(1.83MB)
--------Reg-Simple-Linear-Regression-Co2-py-v1.ipynb(112KB)
--------K-Nearest-neighbors-CustCat-py-v1.ipynb(60KB)
--------exploratory-data-analysis.ipynb(309KB)
--------model-development.ipynb(246KB)
--------neural_network()
--------Pie-Charts-Box-Plots-Scatter-Plots-and-Bubble-Plots-py-v2.0.ipynb(401KB)
--------logistic_regression()
--------model-evaluation-and-refinement.ipynb(51KB)
--------Reg-Polynomial-Regression-Co2-py-v1.ipynb(85KB)
--------Reg-NoneLinearRegression-py-v1.ipynb(172KB)
--------Reg-Mulitple-Linear-Regression-Co2-py-v1.ipynb(63KB)
----pylintrc(17KB)