100DaysofMLCode

＃100DaysofmlCode

目录

1。数据预处理

• 导入库
• 导入数据集
• 处理丢失的数据值
• 编码分类数据
• 将数据分为火车数据和测试数据
• 功能缩放

2。回归

• 简单的线性回归
• 多线性回归
• 多项式回归
• 支持向量回归
• 决策树回归
• 随机森林回归

3。分类

• 逻辑回归
• K最近的邻居分类
• 支持向量机
• 内核SVM
• 天真的贝叶斯
• 决策树分类
• 随机森林分类

4。聚类

• K-均值聚类
• 分层聚类

5。协会规则

• Apriori
• eclat

6。强化学习

• 上限范围
• 汤普森采样

7。自然语言处理

• AWS理解

8。深度学习

• 人工神经网络（ANN）
• 2。卷积神经网络（CNN）

9。降低维度

• 主成分分析
• 线性判别分析
• 内核PCA

10。选择

• 网格搜索
• k折交叉验证
• xgboost

11。数据可视化

• Python中的Matplotlib库
• Tableau
• Power BI
• 格拉法纳

我日常活动的日志

在这里跟踪我的日常活动

如何贡献

这是一个开放的项目，所有形式的贡献都受到欢迎。请遵循以下贡献指南

行为守则

遵守GITHUB指定的社区代码。

执照

在此处查看MIT官方许可证。

贡献者

• @nishkarshraj

• @neha-shah99

• @manavkapadnis

• @udaykiranpadhy

• @codingcosmonaut

• @ekdnam

• @anushka0301

• @JEREMIAHKAMAMA

• @aenyne

• @pragyakapoor