文件名称：应用机器学习：应用机器学习问题的存储库（进行中）
文件大小：1.79MB
文件格式：ZIP
更新时间：2024-03-09 21:40:01
JupyterNotebook
应用机器学习 2019年1月-2020年5月 国家超级计算应用中心（培训/会议/研讨会） 课程：CS 498（4学分） 应用机器学习问题的存储库 此存储库中的某些内容是课程的一部分，请在不违反大学荣誉守则的情况下使用它 1.支持向量机（R [无包装/库]） 一种使用随机梯度下降训练数据上的支持向量机的程序，而无需使用任何库包来训练分类器。 缩放变量/特征，以使每个变量/特征具有单位方差。 该代码至少使用值λ= [1e-3、1e-2、1e-1、1]来搜索正则化常数的适当值（使用验证数据）。 2.随机森林分类器（R，RandomForestClassifier包） 数据具有一组蘑菇的分类属性，以及两个标签（有毒或可食用）。 此代码使用合适的R包，构建了一个随机森林，根据其属性将蘑菇分类为可食用或有毒蘑菇。 它还针对此问题生成类混淆矩阵。 3.朴素贝叶斯分类器（Python [无程序包/
【文件预览】：
Applied-Machine-Learning-master
----3.ipynb(26KB)
----datasets()
--------pima-indians-diabetes.data(23KB)
--------README.md(125B)
--------agaricus-lepiota.data.txt(365KB)
--------iris.data(4KB)
--------student-mat.csv(56KB)
----NCSA-Training()
--------chatbot_nlp.ipynb(93KB)
--------RNN_boiler.ipynb(100KB)
--------HAL_Training_Module_1.ipynb(217KB)
--------README.md(870B)
----Resources()
--------README.md(3KB)
--------Data()
----6.py(11KB)
----4.ipynb(15KB)
----5.py(2KB)
----1.R(6KB)
----Data Visualization Notebook.ipynb(2.57MB)
----README.md(6KB)
----8.py(6KB)
----mnist_aml.ipynb(99KB)
----7.py(2KB)
----2.r(403B)