文件名称：Wuerzburg:面向经济学家和业务分析师的机器学习简介
文件大小：18.01MB
文件格式：ZIP
更新时间：2024-08-24 08:54:54
HTML
面向经济学家和业务分析师的机器学习简介 本课程介绍机器学习方法。 涵盖有监督和无监督的机器学习方法以及强化学习算法。 讲座的重点是监督机器学习方法，包括惩罚回归方法、基于树的方法和神经网络。 讨论的无监督机器学习方法包括聚类和主成分分析。 Bandit 算法是强化学习算法的一个例子。 讲座伴随着编码课程，其中机器学习方法应用于现实生活中的经济和商业问题（使用开源软件 R）。
【文件预览】：
Wuerzburg-main
----PC Lab 1()
--------help files()
--------student-mat-train.Rdata(4KB)
--------penalized_regression_solution.ipynb(153KB)
--------student-mat-test.Rdata(3KB)
--------penalize_regression_tutorial.r(7KB)
--------penalize_regression_tutorial.ipynb(153KB)
--------penalized_regression_solution.html(737KB)
----Course Slides()
--------2_Regularized_Regression.pdf(349KB)
--------5_Unsupervised.pdf(647KB)
--------4_Neural_Nets.pdf(1.91MB)
--------1_Overview.pdf(631KB)
--------3_Trees_Forests.pdf(438KB)
--------examples lecture 1()
--------6_Bandits.pdf(1.21MB)
--------example lecture 4()
----binder()
--------environment.yml(423B)
----PC Lab 4()
--------help files()
--------rollcall-votes.Rdata(169KB)
--------rollcall-members.Rdata(5KB)
--------unsupervised_tutorial.ipynb(188KB)
--------unsupervised_solution.ipynb(183KB)
--------unsupervised_tutorial.r(3KB)
--------unsupervised_solution.html(695KB)
----course_outline.pdf(470KB)
----PC Lab 3()
--------help files()
--------orange_juice_example_solution.html(611KB)
--------orange_juice_example_solution.ipynb(36KB)
--------new_grocery.csv(101KB)
--------orange_juice.r(5KB)
--------orange_juice.ipynb(17KB)
--------juice.csv(351KB)
----Home Assignment()
--------new_used_cars.csv(77KB)
--------home_assignment.pdf(77KB)
--------used_cars_template.html(579KB)
--------variable description.xlsx(10KB)
--------used_car_database.csv(3.84MB)
--------used_cars_template.r(3KB)
--------used_cars_template.ipynb(26KB)
----README.md(873B)
----PC Lab 2()
--------help files()
--------browser_new.csv(2.74MB)
--------trees_forests_solution.ipynb(5.61MB)
--------trees_forests_solution.html(6.18MB)
--------browser-sites.txt(13KB)
--------trees_forests_tutorial.ipynb(52KB)
--------trees_forests_tutorial.r(8KB)
--------browser_2006.csv(8.26MB)