Skip to content

whyddd1130/Machine_Learning

BranchesTags
 
 

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

4 Commits
Scripts
Scripts
 
 
files
files
 
 
img
img
 
 
01-数据集划分-留出法及代码实现.ipynb
01-数据集划分-留出法及代码实现.ipynb
 
 
02-数据划分-K折及代码实现.ipynb
02-数据划分-K折及代码实现.ipynb
 
 
03-数据划分-自助法代码实现.ipynb
03-数据划分-自助法代码实现.ipynb
 
 
04-混淆矩阵的实现.ipynb
04-混淆矩阵的实现.ipynb
 
 
05-精准率和召回率实现.ipynb
05-精准率和召回率实现.ipynb
 
 
06-假设检验原理及代码实现.ipynb
06-假设检验原理及代码实现.ipynb
 
 
07-线性回归原理-评价标准-假设检验及代码实现.ipynb
07-线性回归原理-评价标准-假设检验及代码实现.ipynb
 
 
08-多元线性回归.ipynb
08-多元线性回归.ipynb
 
 
09-梯度下降原理及代码实现.ipynb
09-梯度下降原理及代码实现.ipynb
 
 
10-逻辑回归中sigmoid和损失函数原理.ipynb
10-逻辑回归中sigmoid和损失函数原理.ipynb
 
 
11-逻辑回归代码实现.ipynb
11-逻辑回归代码实现.ipynb
 
 
12-精准率与召回率的调节.ipynb
12-精准率与召回率的调节.ipynb
 
 
13-ROC曲线的实现.ipynb
13-ROC曲线的实现.ipynb
 
 
14-信息熵和基尼系数的初步探索.ipynb
14-信息熵和基尼系数的初步探索.ipynb
 
 
15-基于信息熵的决策划分.ipynb
15-基于信息熵的决策划分.ipynb
 
 
16-基于基尼系数的划分.ipynb
16-基于基尼系数的划分.ipynb
 
 
17-误差逆向传播公式推导.ipynb
17-误差逆向传播公式推导.ipynb
 
 
18-误差逆向传播的代码实现.ipynb
18-误差逆向传播的代码实现.ipynb
 
 
19-Hard Margin SVM.ipynb
19-Hard Margin SVM.ipynb
 
 
20-Soft Margin SVM.ipynb
20-Soft Margin SVM.ipynb
 
 
21-SVM中的核函数.ipynb
21-SVM中的核函数.ipynb
 
 
22-SMO算法及原生代码实现（机器学习实战源码）.ipynb
22-SMO算法及原生代码实现（机器学习实战源码）.ipynb
 
 
23-K-means代码实现.ipynb
23-K-means代码实现.ipynb
 
 
24-Calinski-Harabasz Index.ipynb
24-Calinski-Harabasz Index.ipynb
 
 
25-矩阵奇异分解原理.ipynb
25-矩阵奇异分解原理.ipynb
 
 
26-PCA-使用矩阵奇异分解.ipynb
26-PCA-使用矩阵奇异分解.ipynb
 
 
27-KNN算法实现.ipynb
27-KNN算法实现.ipynb
 
 
28-深度学习之原理及mnist分类.ipynb
28-深度学习之原理及mnist分类.ipynb
 
 
29-使用keras进行实现猫狗分类.ipynb
29-使用keras进行实现猫狗分类.ipynb
 
 
README.md
README.md
 
 
cats_and_dogs_small_1.h5
cats_and_dogs_small_1.h5
 
 

Repository files navigation

西瓜书代码实现 Machine learning 我也learning*

About

西瓜书，sklearn源码，李航统计学，机器学习实战

Resources

Readme
Activity

Stars

0 stars

Watchers

0 watching

Forks

0 forks
Report repository

Releases

No releases published

Packages

 
 
 

Contributors

Languages

  • Jupyter Notebook 98.6%
  • Python 1.4%