史上最全的菜菜的sklearn学习[教程很详细].rar

【实例简介】
史上最全的菜菜的sklearn学习[教程很详细
【实例截图】
【核心代码】
【机器学习】菜菜的sklearn课堂
└── 菜菜sklearn
├── 01 决策树课件数据源码
│   ├── Taitanic data.zip
│   ├── Tree
│   ├── Tree.dot
│   ├── Tree.pdf
│   ├── data.csv
│   ├── test.csv
│   ├── 决策树 full version.pdf
│   ├── 决策树 原理部分源码.ipynb
│   ├── 决策树 案例部分源码.ipynb
│   └── 决策树原理更新.pdf
├── 010朴素贝叶斯
│   ├── 010朴素贝叶斯.rar
│   ├── Naive Bayes源码.ipynb
│   └── 朴素贝叶斯 full version.pdf
├── 011XGBoost
│   ├── XGBoost full version.pdf
│   ├── xgboost code.ipynb
│   └── xgboost 代码 + 课件.zip
├── 02随机森林
│   ├── Record.ipynb
│   ├── digit recognizor.zip
│   ├── sample_submission.csv
│   ├── test.csv
│   ├── train.csv
│   └── 随机森林 full version.pdf
├── 03数据预处理和特征工程
│   ├── Narrativedata.csv
│   ├── digit recognizor.csv
│   ├── record.ipynb
│   ├── 数据预处理和特征工程 - 数据.zip
│   ├── 数据预处理与特征工程 full version.pdf
│   └── 数据预处理与特征工程 full version.xml
├── 04主成分分析PCA与奇异值分解SVD
│   ├── Record.ipynb
│   ├── digit recognizor.csv
│   ├── record2.ipynb
│   ├── 降维算法 full version.pdf
│   └── 降维算法 full version.xml
├── 05逻辑回归与评分卡
│   ├── ScoreData.csv
│   ├── model_data.csv
│   ├── rankingcard.csv
│   ├── vali_data.csv
│   ├── 逻辑回归 full version.pdf
│   ├── 逻辑回归 full version.xml
│   ├── 逻辑回归.ipynb
│   ├── 评分卡模型.ipynb
│   └── 逻辑回归课件 + 数据.zip
├── 06聚类算法Kmeans
│   ├── 聚类算法KMeans EDU version.pdf
│   ├── 聚类算法与Kmeans.ipynb
│   └── 聚类算法与Kmeans代码.zip
├── 07支持向量机上
│   ├── Record.ipynb
│   ├── SVM (上) full version.pdf
│   ├── SVM (上) full version.xml
│   └── SVM1.ipynb
├── 08支持向量机下
│   ├── Cityclimate.csv
│   ├── SVM (下) - 源码.zip
│   ├── SVM (下) full version.pdf
│   ├── SVM (下) full version.xml
│   ├── SVM 2 - 案例部分源码.ipynb
│   ├── SVM 2 - 理论部分源码.ipynb
│   ├── SVM数据.zip
│   ├── cityll.csv
│   ├── samplecity.csv
│   ├── weather.csv
│   └── weatherAUS5000.csv
├── 09回归大家族：线性回归，岭回归，Lasso与多项式回归
│   ├── 线性回归 - 代码.ipynb
│   ├── 线性回归 课件 + 代码.zip
│   └── 线性回归大家族 full version.pdf
├── 参考书1.jpg
├── 参考书2.jpg
├── 参考书3.jpg
└── 开始机器学习之前：配置开发环境.pdf

12 directories, 67 files