文件名称:ml简介:机器学习的基本介绍(一日培训)
文件大小:221KB
文件格式:ZIP
更新时间:2024-02-24 19:01:59
machine-learning scikit-learn jupyter-notebook introduction scikit-learnJupyterNotebook
Python机器学习简介 由设计的研讨会,旨在学习Python机器学习。 专为一天的培训而设计。 安装 这些课程已针对Python 3.6进行了测试,并且主要使用每个库的最新版本,除非固定了版本。 您可能可以在较早的版本中运行大多数代码,但是如果遇到问题,请尝试首先升级有问题的库。 首先,您将需要或使用。 然后,要安装所有要求,我们将设置一个conda环境。 您可以这样做并安装所有要求,如下所示: conda create -n py3data --copy python=3.6 source activate py3data pip install -r requirements.tx
【文件预览】:
intro-to-ml-master
----.gitignore(33B)
----requirements.txt(79B)
----data()
--------.gitignore(75B)
--------models()
--------house_train.csv(450KB)
--------tweets_bk.db(69KB)
--------house_test.csv(441KB)
----solutions()
--------post_grid_search_rfr.py(675B)
--------grid_search_count_nb.py(726B)
--------test_df_nulls.py(158B)
--------fix_nulls.py(114B)
--------multinomial_count.py(319B)
--------svr_top.py(73B)
--------min_df.py(13B)
--------outliers.py(121B)
--------feature_name_dict.py(86B)
--------grid_search_xgb.py(872B)
--------linear_svc_count.py(318B)
--------tweet_df_to_train.py(128B)
--------tweets_to_db.py(246B)
--------predict_and_graph.py(208B)
--------eli5_weights.py(269B)
--------top_scores.py(103B)
--------rfr.py(317B)
--------pa_models.py(704B)
--------cols_dropped.py(74B)
--------numeric_cols.py(203B)
--------rfr_submit.py(230B)
----notebooks()
--------04 - NLP - Text Classification with Tweepy and Scikit-Learn.ipynb(19KB)
--------02 - Linear Regression with House Prices.ipynb(14KB)
--------03 - Interpreting Our Models.ipynb(6KB)
--------01 - Housing Data Exploration.ipynb(24KB)
----README.md(2KB)
----config()
--------example.cfg(151B)