100DaysofMLCode

#100daysofmlcode

Оглавление

1. Предварительная обработка данных

• Импорт библиотек
• Импорт наборов данных
• Обработка пропущенных значений данных
• Кодирование категориальных данных
• Разделите данные на данные поезда и данные тестирования
• Масштабирование функций

2. Регрессия

• Простая линейная регрессия
• Многолинейная регрессия
• Полиномиальная регрессия
• Поддержка векторной регрессии
• Регрессия дерева решений
• Случайная регрессия леса

3. Классификация

• Логистическая регрессия
• K Классификация ближайших соседей
• Поддержка векторной машины
• Ядро SVM
• Наивный Байес
• Классификация дерева решений
• Случайная классификация леса

4. Кластеризация

• Кластеризация K-средних
• Иерархическая кластеризация

5. Правило ассоциации

• Априори
• Элат

6. Подкрепление обучения

• Верхние доверительные границы
• Томпсон выборка

7. Обработка естественного языка

• AWS понимать

8. Глубокое обучение

• Искусственные нейронные сети (Энн)
• 2. Служба нейронных сетей (CNN)

9. Сокращение размерности

• Анализ основных компонентов
• Линейный дискриминантный анализ
• Ядра PCA

10. Выбор модели

• Поиск сетки
• K-образной перекрестной валидации
• XGBOOST

11. Визуализация данных

• Библиотека Matplotlib в Python
• Таблица
• Власть би
• Графана

Журнал моих повседневных занятий

Отслеживать мои повседневные занятия здесь

Как внести свой вклад

Это открытый проект, и вклад во всех формах приветствуется. Пожалуйста, следуйте этим рекомендациям взноса

Нормы поведения

Придерживаться указанного кода сообщества GitHub.

Лицензия

Проверьте официальную лицензию MIT здесь.

Участники

• @Nishkarshraj

• @neha-shah99

• @manavkapadnis

• @Udaykiranpadhy

• @codingcosmonaut

• @ekdnam

• @anushka0301

• @Jeremiahkamama

• @aenyne

• @pragyakapoor