机器学习校赛py文件_机器学习入门 程序设计

机器学习入门专栏笔记对应jupyter notebook以及封装的各种算法。 包含：jupyter notebook、numpy、matplotlib的使用以及常见函数，KNN算法，线性回归算法，梯度下降算法（随机梯度下降算法），PCA与梯度上升法，多项式回归与模型泛化，逻辑回归，评价分类，SVM，决策树，集成学习与随机森林等机器学习的基础算法。 笔记还在更新中 个人笔记，如有错误，感谢指出！

机器学习入门知识，包括了对机器学习的一些基本概念，对于新手有很大的帮助作用。

数值特征 离散值处理 数值特征的处理，最常见的方法，就是离散值处理了 对于一份新拿到手的数据来说，会有很多不能被计算机识别的数据，这就需要对它们进行处理 LabelEncoder import pandas as pd import numpy as np # 加载数据 vg_df = pd.read_csv('datasets/vgsales.csv', encoding = ISO-8859-1) vg_df[['Name', 'Platform', 'Year', 'Genre', 'Publisher']].head() # 拿到某个特征的离散数据 genres = np.uniq

机器学习入门通识资料-目录清晰，直接打开根目录的index.html文件即可查看所有内容！

机器学习 数据集 深度学习 入门 实战

本资源是自己初学机器学习时，成功调试出来的mnist手写数字识别代码过程，资源包括官方mnist数据集，自己手写的图片资源，用tensorflow框架搭建CNN，包括数据训练和测试过程。

机器学习入门：回归问题

线性回归预测网店销售额的数据集

机器学习入门：手写数字识别，声呐分类，垃圾短信识别，鸢尾花分类 机器学习入门：手写数字识别，声呐分类，垃圾短信识别，鸢尾花分类 本系列代码是大多数初学者刚刚接触机器学习时会运行的代码，这些代码结构简单，原理清晰，易于实现。 项目均由jupyter notebook编写，适合分步骤运行，帮助理解每一步的功能。