100DaysofMLCode

＃100daysofmlcode

目次

1。データの前処理

• ライブラリのインポート
• データセットのインポート
• 欠落しているデータ値を処理します
• カテゴリデータのエンコード
• データをトレーニングデータとテストデータに分割します
• 機能スケーリング

2。回帰

• 単純な線形回帰
• マルチリニア回帰
• 多項式回帰
• ベクトル回帰をサポートします
• 決定ツリー回帰
• ランダムな森林回帰

3。分類

• ロジスティック回帰
• k最近隣人の分類
• ベクターマシンをサポートします
• カーネルSVM
• 素朴なベイズ
• 決定ツリー分類
• ランダムな森林分類

4。クラスタリング

• k-meansクラスタリング
• 階層クラスタリング

5。Associationルール

• Apriori
• エクラット

6。補強学習

• 上の信頼境界
• トンプソンサンプリング

7。自然言語処理

• AWSを理解します

8。深い学習

• 人工ニューラルネットワーク（ANN）
• 2。畳み込みニューラルネットワーク（CNN）

9。次元削減

• 主成分分析
• 線形判別分析
• カーネルPCA

10。モデル選択

• グリッド検索
• k-fold Cross検証
• xgboost

11。データの視覚化

• PythonのMatplotlibライブラリ
• タブロー
• パワーバイ
• グラファナ

私の日々の活動のログ

ここで私の毎日の活動を追跡します

貢献する方法

これはオープンなプロジェクトであり、あらゆる形態での貢献が歓迎されています。これらの貢献ガイドラインに従ってください

行動規範

GitHub指定されたコミュニティコードを順守します。

ライセンス

ここで公式のMITライセンスを確認してください。

貢献者

• @nishkarshraj

• @neha-shah99

• @manavkapadnis

• @udaykiranpadhy

• @codingcosmonaut

• @ekdnam

• @anushka0301

• @jeremiahkamama

• @Aenyne

• @pragyakapoor