《机器学习实战》代码(基于Python3)

2019 年 10 月 14 日 专知
《机器学习实战》代码(基于Python3)

导读

Github作 者TeFu irnever开源了自己的机器学习-学习博客和实战代码,相当适合初学者入门。


作者 | TeFuirnever
编辑 | Xiaowen


作者博客: https://blog.csdn.net/tefuirnever
Github: https://github.com/TeFuirnever/Machine-Learning-in-Action

《机器学习实战》博客 - 总目录

https://blog.csdn.net/TeFuirnever/article/details/99701256

《机器学习实战》代码

https://github.com/TeFuirnever/Machine-Learning-in-Action

第1章 - 机器学习基础 - 博客

https://blog.csdn.net/TeFuirnever/article/details/99734084

第2章 - k-近邻算法 - 博客

https://blog.csdn.net/TeFuirnever/article/details/99739021

Ch02-KNN - 代码

https://github.com/TeFuirnever/Machine-Learning-in-Action/tree/master/Ch02-KNN

第3章 - 决策树 - 博客

https://blog.csdn.net/TeFuirnever/article/details/99955515

Ch03-DecisionTree - 代码

https://github.com/TeFuirnever/Machine-Learning-in-Action/tree/master/Ch03-DecisionTree

第4章 - 基于概率论的分类方法:朴素贝叶斯 - 博客

https://blog.csdn.net/TeFuirnever/article/details/100108341

Ch04-NaiveBayes - 代码

https://github.com/TeFuirnever/Machine-Learning-in-Action/tree/master/Ch04-NaiveBayes

第5章 - Logistic 回归 - 博客

https://blog.csdn.net/TeFuirnever/article/details/100159150

Ch05-Logistic - 代码

https://github.com/TeFuirnever/Machine-Learning-in-Action/tree/master/Ch05-Logistic

第6章 - 支持向量机 - 博客

https://blog.csdn.net/TeFuirnever/article/details/99701322

Ch06-SVM - 代码

https://github.com/TeFuirnever/Machine-Learning-in-Action/tree/master/Ch06-SVM

第7章 - 利用AdaBoost 元算法提高分类性能 - 博客

https://blog.csdn.net/TeFuirnever/article/details/100191706

Ch07-AdaBoost - 代码

https://github.com/TeFuirnever/Machine-Learning-in-Action/tree/master/Ch07-AdaBoost

第8章 - 预测数值型数据:回归 - 博客

https://blog.csdn.net/TeFuirnever/article/details/100572055

Ch08-Regression - 代码

https://github.com/TeFuirnever/Machine-Learning-in-Action/tree/master/Ch08-Regression

第9章 - 树回归 - 博客

https://blog.csdn.net/TeFuirnever/article/details/101294837

Ch09-Regression Trees - 代码

https://github.com/TeFuirnever/Machine-Learning-in-Action/tree/master/Ch09-Regression%20Trees


另有六章待更新。


-END-
专 · 知


专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎登录www.zhuanzhi.ai,注册登录专知,获取更多AI知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程视频资料和与专家交流咨询
请加专知小助手微信(扫一扫如下二维码添加), 获取专知VIP会员码 ,加入专知人工智能主题群,咨询技术商务合作~
点击“阅读原文”,了解注册成为 专知VIP会员
登录查看更多
24

相关内容

China Software Develop Network;是一家服务于中国IT专业人士学习与成长需要的领先综合社区服务平台,也是中国最大的开发者技术社区之一。vxv
小贴士
相关资讯
Python机器学习课程(代码与教程)
专知
19+阅读 · 2019年5月13日
用Python实现流行机器学习算法
Python程序员
10+阅读 · 2018年12月31日
手把手教你用Python库Keras做预测(附代码)
数据派THU
12+阅读 · 2018年5月30日
【源码分享】机器学习之Python支持向量机
机器学习算法与Python学习
3+阅读 · 2018年3月13日
Python机器学习教程资料/代码
机器学习研究会
5+阅读 · 2018年2月22日
机器学习方法体系汇总
机器学习算法与Python学习
8+阅读 · 2017年8月12日
推荐|TensorFlow/PyTorch/Sklearn实现的五十种机器学习模型
全球人工智能
21+阅读 · 2017年7月14日
相关VIP内容
专知会员服务
67+阅读 · 2020年5月19日
【干货书】机器学习Python实战教程,366页pdf
专知会员服务
200+阅读 · 2020年3月17日
一网打尽!100+深度学习模型TensorFlow与Pytorch代码实现集合
专知会员服务
56+阅读 · 2019年12月24日
【电子书】Flutter实战305页PDF免费下载
专知会员服务
9+阅读 · 2019年11月7日
【书籍】深度学习框架:PyTorch入门与实践(附代码)
专知会员服务
83+阅读 · 2019年10月28日
机器学习入门的经验与建议
专知会员服务
35+阅读 · 2019年10月10日
相关论文
A Survey on Deep Learning for Named Entity Recognition
Jing Li,Aixin Sun,Jianglei Han,Chenliang Li
22+阅读 · 2020年3月13日
Bryan Wilder,Eric Ewing,Bistra Dilkina,Milind Tambe
5+阅读 · 2019年5月31日
Kwonjoon Lee,Subhransu Maji,Avinash Ravichandran,Stefano Soatto
3+阅读 · 2019年4月23日
Deep Learning for Energy Markets
Michael Polson,Vadim Sokolov
4+阅读 · 2019年4月10日
Chris Alberti,Kenton Lee,Michael Collins
6+阅读 · 2019年3月21日
Dai Quoc Nguyen,Thanh Vu,Tu Dinh Nguyen,Dinh Phung
4+阅读 · 2019年3月6日
Efficient Road Lane Marking Detection with Deep Learning
Ping-Rong Chen,Shao-Yuan Lo,Hsueh-Ming Hang,Sheng-Wei Chan,Jing-Jhih Lin
5+阅读 · 2018年9月11日
Deep Adaptive Proposal Network for Object Detection in Optical Remote Sensing Images
Lin Cheng,Xu Liu,Lingling Li,Licheng Jiao,Xu Tang
4+阅读 · 2018年7月19日
John Duchi,Hongseok Namkoong
5+阅读 · 2017年12月14日
Anastasia Pentina,Christoph H. Lampert
3+阅读 · 2017年6月8日
Top