文件名称：Machine_Learning_Python:在Jupyter Notebook中使用Python实现常见的机器学习算法
文件大小：3.26MB
文件格式：ZIP
更新时间：2021-05-16 13:41:53
python machine-learning natural-language-processing jupyter-notebook JupyterNotebook 初学者机器学习 在Jupyter Notebook中使用Python进行机器学习的实现。 入门 您可以通过分叉存储库或将其克隆到桌面上来开始使用。 git clone https://github.com/astaroth88/Machine_Learning_Python/ 先决条件 您必须了解基本的Python语法，并且必须对流行的机器学习算法的工作有直观的了解。 正在安装 从下载并安装Jupyter-Notebook。 sudo pip3 install
【文件预览】：
Machine_Learning_Python-master
----Decision Treee and Random Forests()
--------kyphosis.csv(1KB)
--------Visualizing a Decision Tree.ipynb(19KB)
--------Decision Trees and Random Forest.ipynb(52KB)
----.gitignore(1KB)
----README.md(924B)
----Natural Language Processing()
--------smsspamcollection()
--------Natural Language Processing.ipynb(244KB)
----Recommender Systems()
--------Movie_Id_Titles(48KB)
--------Recommender Systems.ipynb(132KB)
--------u.item(231KB)
--------u.data(1.89MB)
--------Advanced Recommender Systems.ipynb(16KB)
----SVM()
--------SVM.ipynb(41KB)
----Logistic Regression()
--------titanic_test.csv(28KB)
--------Logistic Regression.ipynb(137KB)
--------titanic_train.csv(59KB)
----K-means Clustering()
--------K-means Clustering.ipynb(116KB)
----Principal Component Analysis()
--------Principal Component Analysis.ipynb(129KB)
----Data Visualization using Seaborn()
--------DV_2_Grids.ipynb(182KB)
--------DV_1_Categorical Plots.ipynb(153KB)
--------seaborn.ipynb(4KB)
--------DV_4_Regression Plots.ipynb(167KB)
--------DV_3_Matrix Plots.ipynb(84KB)
--------loan_data.csv(734KB)
--------advertising.csv(105KB)
----KNN()
--------Classified Data(190KB)
--------KNN.ipynb(49KB)
--------KNN_Project_Data(182KB)
----Linear Regression()
--------USA_Housing.csv(709KB)
--------Linear Regression.ipynb(752KB)