#100DaysOfMlCode
Índice
1. Pré-processamento de dados
- Importação de bibliotecas
- Importando conjuntos de dados
- Lidar com os valores de dados ausentes
- Codificação de dados categóricos
- Dividir dados nos dados do trem e nos dados de teste
- Escala de recursos
2. Regressão
- Regressão linear simples
- Regressão multi -linear
- Regressão polinomial
- Regressão do vetor de suporte
- Regressão de árvore de decisão
- Regressão florestal aleatória
3. Classificação
- Regressão logística
- K Classificação dos vizinhos mais próximos
- Máquina vetorial de suporte
- Kernel SVM
- Bayes ingênuo
- Classificação de árvores de decisão
- Classificação florestal aleatória
4. Clustering
- Cluster de k-means
- Cluster hierárquico
5. Regra da associação
6. Aprendizagem de reforço
- Limites de confiança superior
- Amostragem de Thompson
7. Processamento de linguagem natural
8. Aprendizagem profunda
- Redes neurais artificiais (Ann)
- 2. Redes neurais convolucionais (CNN)
9. Redução da dimensionalidade
- Análise de componentes principais
- Análise discriminante linear
- Kernel PCA
10. Seleção de modelo
- Pesquisa de grade
- Validação cruzada de K-Fold
- Xgboost
11. Visualização de dados
- Biblioteca Matplotlib em Python
- Quadro
- Power bi
- Grafana
Registro das minhas atividades diárias
Acompanhe minhas atividades diárias aqui
Como contribuir
Este é um projeto aberto e a contribuição em todas as formas são bem -vindos. Siga estas diretrizes de contribuição
Código de Conduta
Aderir ao Código Comunitário especificado pelo GitHub.
Licença
Verifique a licença oficial do MIT aqui.
Colaboradores
@Nishkarshraj
@neha-shah99
@manavkapadnis
@Udaykiranpadhy
@CodingCosmonaut
@ekdnam
@anushka0301
@Jeremiahkamama
@Aenyne
@pragyakapoor
