唐宇迪-机器学习课程资料.rar

【实例简介】
唐宇迪-机器学习课程资料，包括，课程资料：Python库代码（4个），Python快速入门，机器学习算法PPT，补充的内容。
【实例截图】
【核心代码】
16359647519003857647.rar
└── 唐宇迪-机器学习课程资料
├── Python库代码（4个）
│   ├── 1-科学计算库numpy
│   │   ├── numpy_1.ipynb
│   │   ├── numpy_2.ipynb
│   │   ├── NUMPY_3.ipynb
│   │   ├── numpy_4.ipynb
│   │   ├── numpy_5.ipynb
│   │   ├── Untitled1.ipynb
│   │   ├── Untitled.ipynb
│   │   ├── world_alcohol.csv
│   │   └── world_alcohol.txt
│   ├── 2-数据分析处理库pandas
│   │   ├── data-master
│   │   │   └── fandango_score_comparison.csv
│   │   ├── fandango_score_comparison.csv
│   │   ├── food_info.csv
│   │   ├── padas_3.ipynb
│   │   ├── pandas_1.ipynb
│   │   ├── pandas_2.ipynb
│   │   ├── pandas_4.ipynb
│   │   ├── pandas_5.ipynb
│   │   ├── pandas_6.ipynb
│   │   ├── thanksgiving-2015-poll-data.csv
│   │   └── titanic_train.csv
│   ├── 3-可视化库matpltlib
│   │   ├── fandango_scores.csv
│   │   ├── jg_Awebex_Acom_Acn,jg,532830847,-197360242,MC,0-0,SDJTSwAAAAJZj_O_c3zEt1qzFj8abfdSRxWUuIFax_xQ09nC6c9OwA2_webex.exe
│   │   ├── percent-bachelors-degrees-women-usa.csv
│   │   ├── plt_1.ipynb
│   │   ├── plt_2.ipynb
│   │   ├── plt_3.ipynb
│   │   ├── plt_4.ipynb
│   │   ├── plt_5.ipynb
│   │   ├── plt_6.ipynb
│   │   ├── plt_7.ipynb
│   │   ├── train.csv
│   │   ├── UNRATE.csv
│   │   └── 数据和代码.zip
│   └── 4-可视化库Seaborn
│   ├── 4-REG.ipynb
│   ├── 5-category.ipynb
│   ├── 6-FacetGrid.ipynb
│   ├── 7-Heatmap.ipynb
│   ├── f1.png
│   ├── iris.data
│   ├── Seaborn-1Style.ipynb
│   ├── Seaborn-2Color.ipynb
│   ├── Seaborn-3Var.ipynb
│   └── Untitled.ipynb
├── Python快速入门
│   └── 第一章：Python基础.zip
├── 机器学习算法PPT
│   ├── 10-EM算法.pdf
│   ├── 11-神经网络.pdf
│   ├── 12-word2vec.pdf
│   ├── 1-AI入学指南.pdf
│   ├── 2-回归算法.pdf
│   ├── 3-决策树与集成算法.pdf
│   ├── 4-聚类算法.pdf
│   ├── 5-贝叶斯算法.pdf
│   ├── 6-支持向量机.pdf
│   ├── 7-推荐系统.pdf
│   ├── 8-xgboost.pdf
│   ├── 9-LDA与PCA算法.pdf
│   ├── 文本分析.pdf
│   └── 时间序列分析.pdf
└── 补充的内容
├── Kmeans
│   ├── codebook_test.npy
│   ├── compressed_test.jpg
│   ├── compressed_tiger.png
│   ├── test2.jpg
│   ├── test.jpg
│   ├── tiger.png
│   └── Untitled.ipynb
├── PCA降维
│   └── PCA.zip
├── python机器学习案例
│   └── machineLearning
│   ├── 114_congress.csv
│   ├── admissions.csv
│   ├── auto-mpg.data
│   ├── cleaned_loans_2007.csv
│   ├── cleaned_loans2007.csv
│   ├── filtered_loans_2007.csv
│   ├── income.csv
│   ├── iris.csv
│   ├── loans_2007.csv
│   ├── ml_1_introduce.ipynb
│   ├── ml_2_logistic-regression.ipynb
│   ├── ml_3_logisticRes.ipynb
│   ├── ml_4_Cross-validation.ipynb
│   ├── ml_5_kcross.ipynb
│   ├── ml_6_clustering.ipynb
│   ├── ml_7_mulabel.ipynb
│   ├── ml_8_overfit.ipynb
│   ├── ml_9_k-means.ipynb
│   ├── ml_9_KMEANS.ipynb
│   ├── ml_buildDecisionTree.ipynb
│   ├── ml_decisionTree.ipynb
│   ├── ml_DTandRandmoF_scikieLearn.ipynb
│   ├── ml_GradientDescent.ipynb
│   ├── ml_kmeans_nba.ipynb
│   ├── ml_loanProject.ipynb
│   ├── ml_neuralnetwork.ipynb
│   ├── ml_randomForest.ipynb
│   ├── nba_2013.csv
│   ├── pga.csv
│   └── Untitled.ipynb
├── Xgboost
│   ├── pima-indians-diabetes.csv
│   └── xgtest.ipynb
├── 决策树
│   └── 决策树鸢尾花.zip
├── 支持向量机
│   ├── SMO
│   │   ├── simple_svm.py
│   │   ├── svmMLiA.py
│   │   ├── SVM.py
│   │   ├── testSetRBF2.txt
│   │   ├── testSetRBF.txt
│   │   └── testSet.txt
│   └── Untitled.ipynb
├── 机器学习算法
│   └── 回归算法
│   ├── 梯度下降求解逻辑回归.zip
│   └── 线性回归.pdf
├── 机器学习算法课件.pdf
├── 用户流失预警(1)
│   ├── churn.csv
│   └── churn.ipynb
├── 聚类
│   └── kmeans-dbscan.zip
├── 股价预测
│   ├── Combined_News_DJIA.csv
│   └── 股价.ipynb
├── 贷款利润最大化
│   ├── cleaned_loans_2007.csv
│   ├── cleaned_loans2007.csv
│   ├── filtered_loans_2007.csv
│   ├── loans_2007.csv
│   ├── LoanStats3a.csv
│   └── ml_loanProject.ipynb
└── 逻辑回归
├── linear_regression.ipynb
├── ml_GradientDescent.ipynb
└── pga.csv

25 directories, 123 files