【文件属性】：
文件名称：machine-learning-python：使用Python进行机器学习的演示
文件大小：30.66MB
文件格式：ZIP
更新时间：2021-02-28 03:28:20
JupyterNotebook
机器学习Python
AI / ML不再是理想技术，而是必需品。 根据Gartner，到2024年，尝试实施ML的所有公司中将有75％投入使用。
该POC的algorithm文件夹下已涵盖了各种ML算法。 这些是Jupyter笔记本。 运行Anaconda-> Jupyter->选择.ipynb。
Jupyter快捷方式：
ctrl + Enter：运行命令集
alt + Enter：运行命令集，并在下面为下一组命令插入一个新框。
人工智能，机器学习与深度学习
AI：将类似于人的决策智能整合到机器中。 主要用于1950-80年代，并使用了决策树和if-then-else分析。
ML：AI的子集。 使计算机系统具有“学习”的能力。 1980年推出，用于算法和回归分析。
DL：ML的子集。 DL算法于2010年推出。DL算法大致受人脑中信息处理模式的启发。 大量数据被连续馈送到神经
【文件预览】：
machine-learning-python-master
----.gitignore(37B)
----data()
--------Distributions.ipynb(67KB)
--------MatPlotLib.ipynb(255KB)
--------CovarianceCorrelation.ipynb(50KB)
--------Seaborn.ipynb(566KB)
--------README.md(7KB)
--------Percentiles.ipynb(9KB)
--------Moments.ipynb(10KB)
----.DS_Store(14KB)
----games.csv(6.68MB)
----README.md(5KB)
----spark()
--------SparkDecisionTree.py(3KB)
--------subset-small.tsv(9.64MB)
--------TF-IDF.py(2KB)
--------README.md(3KB)
--------SparkKMeans.py(2KB)
--------PastHires.csv(312B)
----algorithms()
--------Support-Vector-Machines()
--------Natural-Language-Processing()
--------kMeans()
--------Logistic Regression()
--------.DS_Store(24KB)
--------Random Forest()
--------Principal-Component-Analysis()
--------Reinforcement-Q-Learning()
--------K-Nearest-Neighbors()
--------Recommender-Systems()
--------Liniar Regression()
----deep-learning()
--------images()
--------.DS_Store(10KB)
--------README.md(7KB)
--------Keras-CNN.ipynb(13KB)
--------Keras-RNN.ipynb(16KB)
--------Tensorflow.ipynb(127KB)
--------TransferLearning.ipynb(11.7MB)
--------KerasClassificationExercise.ipynb(35KB)
--------Keras.ipynb(149KB)
----final-project()
--------FinalProjectAssignment.ipynb(15KB)
--------mammographic_masses.data.txt(13KB)
--------mammographic_masses.names.txt(3KB)
--------mammo_masses_project.ipynb(1.09MB)
----ml.py(7KB)