100DaysofMLCode

#100daysofMlCode

목차

1. 데이터 사전 처리

• 라이브러리 가져 오기
• 데이터 세트 가져 오기
• 누락 된 데이터 값을 처리합니다
• 범주 형 데이터 인코딩
• 데이터를 열차 데이터 및 테스트 데이터로 분할하십시오
• 기능 스케일링

2. 회귀

• 간단한 선형 회귀
• 다중 선형 회귀
• 다항식 회귀
• 벡터 회귀를 지원합니다
• 의사 결정 트리 회귀
• 임의의 산림 회귀

3. 분류

• 로지스틱 회귀
• K 가장 가까운 이웃 분류
• 벡터 머신을 지원합니다
• 커널 SVM
• 순진한 베이
• 의사 결정 트리 분류
• 임의의 산림 분류

4. 클러스터링

• K- 평균 클러스터링
• 계층 적 클러스터링

5. 협회 규칙

• apriori
• 명성

6. 강화 학습

• 상한 신뢰 경계
• 톰슨 샘플링

7. 자연어 처리

• AWS는 이해합니다

8. 딥 러닝

• 인공 신경 네트워크 (Ann)
• 2. Convolutional Neural Networks (CNN)

9. 치수 감소

• 주요 구성 요소 분석
• 선형 판별 분석
• 커널 PCA

10. 모델 선택

• 그리드 검색
• K- 폴드 크로스 검증
• xgboost

11. 데이터 시각화

• 파이썬의 Matplotlib 라이브러리
• tableau
• 파워 BI
• Grafana

내 일상 활동의 로그

여기에서 내 일상 활동을 추적하십시오

기여하는 방법

이것은 개방 된 프로젝트이며 모든 형태의 기부금을 환영합니다. 이 기여 가이드 라인을 따르십시오

행동 강령

GitHub 지정 커뮤니티 코드를 준수하십시오.

특허

여기에서 공식 MIT 라이센스를 확인하십시오.

기고자

• @Nishkarshraj

• @neha-shah99

• @manavkapadnis

• @udaykiranpadhy

• @CodingCosmonaut

• @ekdnam

• @anushka0301

• @Jeremiahkamama

• @Aenyne

• @pragyakapoor