#100daysofmlcode
Tabla de contenido
1. Precrocesamiento de datos
- Importación de bibliotecas
- Importación de conjuntos de datos
- Manejo de los valores de datos faltantes
- Codificación de datos categóricos
- Dividir los datos en los datos del tren y probar los datos
- Escala de características
2. Regresión
- Regresión lineal simple
- Regresión múltiple
- Regresión polinómica
- Regresión del vector de soporte
- Regresión del árbol de decisión
- Regresión al azar del bosque
3. Clasificación
- Regresión logística
- K Clasificación de vecinos más cercanos
- Máquina de vectores de soporte
- Núcleo svm
- Bayes ingenuos
- Clasificación del árbol de decisión
- Clasificación bosques aleatorias
4. Agrupación
- Clúster K-means
- Agrupación jerárquica
5. Regla de asociación
6. Aprendizaje de refuerzo
- Límites de confianza superior
- Muestreo de Thompson
7. Procesamiento del lenguaje natural
8. Aprendizaje profundo
- Redes neuronales artificiales (ANN)
- 2. Redes neuronales convolucionales (CNN)
9. Reducción de dimensionalidad
- Análisis de componentes principales
- Análisis discriminante lineal
- PCA del núcleo
10. Selección de modelos
- Búsqueda de redes
- Validación cruzada K-Fold
- Xgboost
11. Visualización de datos
- Biblioteca Matplotlib en Python
- Cuadro
- Power Bi
- Grafana
Registro de mis actividades diarias
Seguimiento de mis actividades diarias aquí
Cómo contribuir
Este es un proyecto abierto y la contribución en todas las formas son bienvenidas. Siga estas pautas de contribución
Código de conducta
Adherirse al código comunitario especificado por GitHub.
Licencia
Consulte la licencia oficial del MIT aquí.
Colaboradores
@Nishkarshraj
@neha-shah99
@manavkapadnis
@Udaykiranpadhy
@codingcosmonaut
@ekdnam
@anushka0301
@Jeremiahkamama
@aenyne
@Pragyakapoor
