#100daysofmlcode
สารบัญ
1. การประมวลผลข้อมูลล่วงหน้า
- การนำเข้าไลบรารี
- การนำเข้าชุดข้อมูล
- การจัดการค่าข้อมูลที่ขาดหายไป
- การเข้ารหัสข้อมูลหมวดหมู่
- แยกข้อมูลออกเป็นข้อมูลรถไฟและข้อมูลทดสอบ
- การปรับขนาดคุณลักษณะ
2. การถดถอย
- การถดถอยเชิงเส้นอย่างง่าย
- การถดถอยเชิงเส้นหลายเส้น
- การถดถอยพหุนาม
- สนับสนุนการถดถอยของเวกเตอร์
- การถดถอยของต้นไม้
- การถดถอยป่าแบบสุ่ม
3. การจำแนกประเภท
- การถดถอยโลจิสติก
- การจำแนกประเภทเพื่อนบ้านที่ใกล้ที่สุด
- รองรับเครื่องเวกเตอร์
- เคอร์เนล SVM
- เบย์ไร้เดียงสา
- การจำแนกต้นไม้การตัดสินใจ
- การจำแนกป่าแบบสุ่ม
4. การจัดกลุ่ม
- การจัดกลุ่ม k-means
- การจัดกลุ่มแบบลำดับชั้น
5. กฎการเชื่อมโยง
6. การเรียนรู้การเสริมแรง
- ขอบเขตความเชื่อมั่นส่วนบน
- การสุ่มตัวอย่าง Thompson
7. การประมวลผลภาษาธรรมชาติ
8. การเรียนรู้ลึก
- เครือข่ายประสาทเทียม (Ann)
- 2. เครือข่ายประสาท Convolutional (CNN)
9. การลดมิติ
- การวิเคราะห์องค์ประกอบหลัก
- การวิเคราะห์การเลือกปฏิบัติเชิงเส้น
- เคอร์เนล PCA
10. การเลือกรุ่น
- การค้นหากริด
- การตรวจสอบความถูกต้องของ K-Fold Cross
- xgboost
11. การสร้างภาพข้อมูล
- Library Matplotlib ใน Python
- ฉาก
- Power Bi
- กราฟานา
บันทึกกิจกรรมประจำวันของฉัน
ติดตามกิจกรรมประจำวันของฉันที่นี่
วิธีการมีส่วนร่วม
นี่คือโครงการเปิดและการมีส่วนร่วมในทุกรูปแบบได้รับการต้อนรับ โปรดปฏิบัติตามแนวทางการบริจาคเหล่านี้
จรรยาบรรณ
ปฏิบัติตามรหัสชุมชนที่ระบุ GitHub
ใบอนุญาต
ตรวจสอบใบอนุญาต MIT อย่างเป็นทางการที่นี่
ผู้มีส่วนร่วม
@nishkarshraj
@neha-shah99
@Manavkapadnis
@udaykiranpadhy
@codingcosmonaut
@ekdnam
@Anushka0301
@jeremiahkamama
@aenyne
@pragyakapoor
