100DaysofMLCode

#100daysofmlcode

Daftar isi

1. Data pra-pemrosesan

• Mengimpor perpustakaan
• Mengimpor set data
• Menangani nilai data yang hilang
• Pengkodean Data Kategorikal
• Membagi data menjadi data kereta dan data uji
• Fitur penskalaan

2. Regresi

• Regresi linier sederhana
• Regresi multi linier
• Regresi polinomial
• Mendukung regresi vektor
• Regresi Pohon Keputusan
• Regresi hutan acak

3. Klasifikasi

• Regresi logistik
• K Klasifikasi tetangga terdekat
• Dukungan Mesin Vektor
• Kernel SVM
• Bayes yang naif
• Klasifikasi Pohon Keputusan
• Klasifikasi Hutan Acak

4. Clustering

• K-Means Clustering
• Clustering hierarkis

5. Aturan Asosiasi

• Apriori
• Sukses

6. Pembelajaran Penguatan

• Batas kepercayaan atas
• Sampling Thompson

7. Pemrosesan Bahasa Alami

• AWS Memahami

8. Pembelajaran mendalam

• Jaringan Saraf Buatan (Ann)
• 2. Convolutional Neural Networks (CNN)

9. Pengurangan Dimensi

• Analisis Komponen Utama
• Analisis Diskriminan Linier
• Kernel PCA

10. Pemilihan Model

• Pencarian Kisi
• Validasi silang K-lipat
• Xgboost

11. Visualisasi Data

• Perpustakaan Matplotlib di Python
• Tablo
• Power BI
• Grafana

Log aktivitas sehari-hari saya

Lacak aktivitas harian saya di sini

Bagaimana berkontribusi

Ini adalah proyek terbuka dan kontribusi dalam segala bentuk disambut. Harap ikuti pedoman kontribusi ini

Kode Etik

Patuhi kode komunitas yang ditentukan GitHub.

Lisensi

Periksa lisensi MIT resmi di sini.

Kontributor

• @NishKarshraj

• @neha-shah99

• @Manavkapadnis

• @Udaykiranpadhy

• @codingcosmonaut

• @ekdnam

• @anushka0301

• @Jeremiahkamama

• @aenyne

• @pragyakapoor