【文件属性】：
文件名称：ist的matlab代码-Machine-Learning-Algorithms-in-Python:用Python实现的流行和不流行的机器学
文件大小：18.31MB
文件格式：ZIP
更新时间：2021-05-26 08:22:39
系统开源
ist的matlab代码Python机器学习算法
用Python实现的流行和不流行的机器学习和数据处理算法参考：Sergios
Theodoridis的“机器学习：贝叶斯优化观点”
除非脚本中另有说明，否则大多数算法都是由我自己根据参考文献中的理论从头开始实现的。
对于每种算法，将有一个笔记本测试文档和一个干净的python脚本。
该存储库中实现的算法包括：
1.
Adaboost
2.
Adaptive
Projected
Subgradient
Method
(APSM)
3.
Convolutional
Neural
Network
(CNN)
4.
Compressed
Sensing
Matching
Pursuit
(CSMP)
5.
Decision
tree
6.
Fuzzy
C
Means
7.
Hierarchical
and
DBSCAN
Clustering
8.
Iterative
Shrinkage/Thresholding
(IST)
algorithms
9.
Kernal
PCA
10.
K-means
family
11.
KNN
12.
Linea
【文件预览】：
Machine-Learning-Algorithms-in-Python-master
----Sentiment Analysis Using RNN.ipynb(26KB)
----KNN.ipynb(26KB)
----K-means.py(3KB)
----Iterative shringkage-thresholding (IST) algorithms.ipynb(20KB)
----LDA.py(2KB)
----SVM.py(3KB)
----Naive Bayes.ipynb(26KB)
----wdbc.data(121KB)
----K-meansPP.py(3KB)
----wine.data(11KB)
----tree.gif(0B)
----Perceptron.py(8KB)
----CNN using TensorFlow Layers API.ipynb(12KB)
----CSMP.py(3KB)
----Data Preprocessing.ipynb(116KB)
----Multilayer ANN from Scratch P2.ipynb(792B)
----PEGASOS.py(3KB)
----Model Evaluation and Hyperparameter Tuning.ipynb(69KB)
----AdaptiveProjectedSubgradientMethod_APSM.ipynb(17KB)
----Decision_tree.py(6KB)
----housing.data(48KB)
----Compressed sensing matching pursuit (CSMP) algorithms.ipynb(21KB)
----NaiveBayes.png(32KB)
----Fuzzy_C_Means.py(3KB)
----Decision Tree.ipynb(69KB)
----Adaboost_from_scratch.py(6KB)
----movie_data_preprocessed.csv(55.01MB)
----KernelPCA.ipynb(57KB)
----K-means Family.ipynb(80KB)
---- Multilayer ANN from Scratch P1.ipynb(21KB)
----Orthogonal Matching Pursuit (OMP).ipynb(4KB)
----LinearRegressionGD.py(2KB)
----README(332B)
----KNN.py(2KB)
----SBS.py(2KB)
----NLP--Sentiment Analysis (Part 2).ipynb(91KB)
----tree.png(181KB)
----Adaboost_from_scratch.ipynb(47KB)
----Decision_Tree_myown.ipynb(30KB)
----Hierarchical and DBSCAN Clustering.ipynb(101KB)
----.gitignore(101B)
----A Tour of Machine Learning Classifiers Using Scikit-learn.ipynb(58KB)
----Adaboost.ipynb(60KB)
----NLP--Sentiment Analysis_Part1.ipynb(26KB)
----SVM.ipynb(6KB)
----CNN.ipynb(21KB)
----LogistcRegression.py(2KB)
----LogistcRegression.ipynb(45KB)
----Linear Regression.ipynb(1.61MB)
----README.md(1KB)
----OMP.py(2KB)
----IST.py(2KB)
----PCA.ipynb(48KB)
----NaiveBayes.py(2KB)
----PCA.py(2KB)
----iris.data(4KB)
----PEGASOS.ipynb(18KB)