Introduction
本项目的目的是提供一门使用Python进行机器学习的全面而又简单的课程
Motivation
Machine Learning
,作为一种工具Artificial Intelligence
,是采用最广泛的科学领域之一。已经发表了大量关于机器学习的文献。本项目的目的是提供以下最重要的方面Machine Learning
通过介绍一系列简单而全面的教程,您可以使用Python
在这个项目中,我们使用了许多不同的众所周知的机器学习框架来构建我们的教程,例如Scikit-learn
在本项目中,您将了解到:
- 机器学习的定义是什么?
- 它是什么时候开始的,趋势是什么?
- 什么是机器学习类别和子类别?
- 最常用的机器学习算法是什么?如何实现它们?
Machine Learning
标题 | 文档 |
---|---|
机器学习导论 | Overview |
Machine Learning Basics
标题 | 代码 | 文档 |
---|---|---|
线性回归 | Python | Tutorial |
适配过高/适配不足 | Python | Tutorial |
正则化 | Python | Tutorial |
交叉验证 | Python | Tutorial |
Supervised learning
标题 | 代码 | 文档 |
---|---|---|
决策树 | Python | Tutorial |
K-近邻 | Python | Tutorial |
朴素贝叶斯 | Python | Tutorial |
Logistic回归 | Python | Tutorial |
支持向量机 | Python | Tutorial |
Unsupervised learning
标题 | 代码 | 文档 |
---|---|---|
群集 | Python | Tutorial |
主成分分析 | Python | Tutorial |
Deep Learning
标题 | 代码 | 文档 |
---|---|---|
神经网络概述 | Python | Tutorial |
卷积神经网络 | Python | Tutorial |
自动编码器 | Python | Tutorial |
递归神经网络 | Python | IPython |
Pull Request Process
请考虑以下标准,以便更好地帮助我们:
- 拉取请求主要预期为链接建议
- 请确保您建议的资源没有过时或损坏
- 在执行构建和创建拉入请求时,请确保在图层结束之前移除所有安装或构建依赖项
- 添加带有接口更改详细信息的注释,包括新的环境变量、暴露的端口、有用的文件位置和容器参数
- 一旦您获得至少一个其他开发人员的签字,您就可以合并拉取请求,或者如果您没有权限这样做,如果您相信所有检查都已通过,您可以请求所有者为您合并该请求
Final Note
我们期待着您的善意反馈。请帮助我们改进这个开源项目,让我们的工作做得更好。对于捐款,请创建拉取请求,我们会立即进行调查。再次感谢您的反馈和支持
Developers
创建者:机器学习思维模式[Blog,GitHub,Twitter]
主管:Amirsina Torfi[GitHub,Personal Website,Linkedin]
开发商:Brendan Sherman*,James E Hopkins*[Linkedin],扎克·史密斯[Linkedin]
注意事项:本项目已被开发为顶峰项目,由[CS 4624 Multimedia/ Hypertext course at Virginia Tech],并由[Machine Learning Mindset]
*:平均分担
Citation
如果您觉得本课程有用,请考虑引用如下内容:
@software{amirsina_torfi_2019_3585763,
author = {Amirsina Torfi and
Brendan Sherman and
Jay Hopkins and
Eric Wynn and
hokie45 and
Frederik De Bleser and
李明岳 and
Samuel Husso and
Alain},
title = {{machinelearningmindset/machine-learning-course:
Machine Learning with Python}},
month = dec,
year = 2019,
publisher = {Zenodo},
version = {1.0},
doi = {10.5281/zenodo.3585763},
url = {https://doi.org/10.5281/zenodo.3585763}
}
声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。