【文件属性】：
文件名称：Machine-Learning-Python
文件大小：5.19MB
文件格式：ZIP
更新时间：2021-04-20 22:46:42
JupyterNotebook
使用python进行机器学习
一系列笔记本，探讨了机器学习的理论基础和算法以及使用Numpy，Pandas，Matplotlib和Scikit-Learn编写的Python示例。
监督学习
可解释的机器学习
使用hyperopt进行超参数优化
无监督学习
缩小尺寸
聚类
优化算法
梯度下降
【文件预览】：
Machine-Learning-Python-master
----Unsupervised_Learning_Techniques_Clustering.ipynb(1.57MB)
----Decision_Trees.ipynb(101KB)
----Introduction_gradient_descent_algorithm.ipynb(774KB)
----Roles_in_MLOps.ipynb(22KB)
----Support_Vector_Machines_explained.ipynb(54KB)
----Introduction_to_MLOps.ipynb(12KB)
----Dimensionality_reduction_algorithms.ipynb(1.01MB)
----Statistical_hypothesis_tests_in_Python.ipynb(82KB)
----Matplotlib_and_Seaborn.ipynb(1.39MB)
----Roles_in_data_science_and_machine_learning.ipynb(17KB)
----Hyperparameter_Optimization.ipynb(31KB)
----K_Nearest_Neighbors.ipynb(119KB)
----README.md(3KB)
----Introduction_to_Scikit_learn.ipynb(65KB)
----ladybug.png(561KB)
----Numpy.ipynb(46KB)
----Logistic_regression.ipynb(283KB)
----Gaussian_discriminant_analysis_and_Naive_bayes.ipynb(297KB)
----Ensemble_learning.ipynb(598KB)
----Introduction_linear_regression_and_regularized_linear_models.ipynb(242KB)
----ML_metrics_and_cost_functions.ipynb(144KB)
----Machine_Learning_Interpretability_with_InterpretML.ipynb(422KB)
----Pandas.ipynb(127KB)
----Hyperopt_Hyperparameter_Optimization.ipynb(35KB)