python學習 之機器學習
阿新 • • 發佈:2018-11-07
R語言學習筆記
R實現機器學習
R機器學習(一)——一元迴歸 R機器學習(二)——非線性迴歸 R機器學習(三)——多元迴歸 R機器學習(四)——logistics迴歸 R機器學習(五)——決策樹ID3演算法 R機器學習(六)——決策樹C4.5演算法R機器學習(七)——迴歸樹CART演算法 R機器學習(八)——K-means聚類
R機器學習(九)——層次聚類
R機器學習(十)——密度聚類DBSCAN R機器學習(十一)——Apriori關聯規則 R機器學習(十二)——SVM R機器學習(十三)——時間序列模型 R機器學習(十四)——主成分分析 R機器學習(十五)——樸素貝葉斯 R機器學習(十六)——KNN演算法 R機器學習(十七)——梯度提升決策樹(GBDT)
Python學習筆記
Python基礎
常用檔案讀取 Python2與Python3的不同 Python正則表示式 基於python的urllib庫編寫網路爬蟲Python資料結構
Python資料結構(一)——線性表:順序表的實現 Python資料結構(二)——線性表:連結串列的實現 Python資料結構(三)——字串:KMP演算法實現 Python資料結構(四)——排序:氣泡排序Python模組
Python常用模組(一)——shutil模組 Python常用模組(二)——os模組Python常用模組(三)——collections模組的常用方法
Matplotlib畫圖
Matplotlib畫圖(一)——散點圖scatterMatplotlib畫圖(二)——根據函式公式畫圖
Matplotlib畫圖(三)——分段函式
Matplotlib畫圖(四)——折線圖
Matplotlib畫圖(五)——多圖片共框
Matplotlib畫圖(六)——圖中圖
Matplotlib畫圖(七)——線的顏色、點的形狀
Matplotlib畫圖(八)——條形圖
Matplotlib畫圖(九)——餅圖
Matplotlib畫圖(十)——基於networkx畫關係網路圖
Matplotlib畫圖(十一)——箱線圖
scikit-learn實現機器學習
【scikit-learn】機器學習(一)——一元迴歸模型 【scikit-learn】機器學習(二)——非線性迴歸 【scikit-learn】機器學習(三)——多元迴歸 【scikit-learn】機器學習(四)——logistics迴歸 【scikit-learn】機器學習(五)——決策樹ID3演算法 【scikit-learn】機器學習(六)——決策樹C4.5演算法【scikit-learn】機器學習(七)——迴歸樹CART演算法 【scikit-learn】機器學習(八)——K-means聚類
【scikit-learn】機器學習(九)——層次聚類
【scikit-learn】機器學習(十)——密度聚類DBSCAN 【scikit-learn】機器學習(十一)——Apriori關聯規則 【scikit-learn】機器學習(十二)——SVM 【scikit-learn】機器學習(十三)——時間序列模型 【scikit-learn】機器學習(十四)——主成分分析 【scikit-learn】機器學習(十五)——樸素貝葉斯 【scikit-learn】機器學習(十六)——KNN演算法 【scikit-learn】機器學習(十七)——梯度提升決策樹(GBDT) 【scikit-learn】機器學習(十八)——隨機森林 【scikit-learn】機器學習(十九)——Adaboost演算法 【scikit-learn】機器學習(二十)——BP神經網路 【scikit-learn】機器學習(二十一)——基於Tensorflow實現神經網路 【scikit-learn】機器學習(二十二)——圖片聚類:k-means演算法的python實現
Machine Learning學習筆記
【Trick】決策樹剪枝 【Trick】核技巧 【Trick】資料預處理的常用方法 【Trick】機器學習特徵工程處理(一) 【異同】資訊增益、Gini、資訊增益率 【異同】決策樹ID3和C4.5的異同 【異同】LR和SVM的異同 【異同】梯度提升決策樹和隨機森林的異同 【ML演算法】監督學習——線性迴歸 【ML演算法】監督學習——邏輯迴歸 【ML演算法】監督學習——決策樹ID3演算法 【ML演算法】監督學習——決策樹C4.5演算法 【ML演算法】監督學習——支援向量機【ML演算法】監督學習——KNN演算法
【ML演算法】無監督學習——K-means聚類
【ML演算法】無監督學習——層次聚類 【ML演算法】無監督學習——DBCAN聚類 【ML演算法】無監督學習——關聯規則Apriori 【ML演算法】整合學習——隨機森林(RF) 【ML演算法】整合學習——GBDT 【ML演算法】整合學習——Adaboost
【ML演算法】整合學習——xgboost
Machine Learning演算法底層實現(基於python)
【ML演算法實現】監督學習——線性迴歸 【ML演算法實現】監督學習——邏輯迴歸 【ML演算法實現】監督學習——決策樹ID3演算法 【ML演算法實現】監督學習——決策樹C4.5演算法 【ML演算法實現】監督學習——支援向量機【ML演算法實現】監督學習——KNN演算法
【ML演算法實現】無監督學習——K-means聚類
【ML演算法實現】無監督學習——層次聚類 【ML演算法實現】無監督學習——DBCAN聚類 【ML演算法實現】無監督學習——關聯規則Apriori 【ML演算法實現】整合學習——隨機森林(RF) 【ML演算法實現】整合學習——GBDT 【ML演算法實現】整合學習——Adaboost
【ML演算法實現】整合學習——xgboost
推薦系統專題
推薦系統——演算法概述推薦系統——冷啟動問題
Deep Learning學習筆記
演算法學習
Deep Learning常用資料集 相對熵與交叉熵 AutoEncoder詳解 VAE詳解 相似圖片搜尋演算法介紹 常見超解析度處理方法防止過擬合的處理方法
Tensorflow
卷積神經網路簡介 基於Tensorflow實現AutoEncoder LeNet5神經網路簡介及TensorFlow實現VGG網路詳解及程式碼實現 Tensorflow實現CNN
Keras
python機器學習演算法(Keras)基於Keras實現CNN 用RNN做MNIST分類
Pytorch
Pytorch實現CNN卷積神經網路Caffe
Mac安裝caffe時出現的錯誤DL&ML專案實踐
【ML專案】基於決策樹演算法的電信運營商客戶流失預測 【ML專案】基於聚類演算法的我國臨終關懷現狀分析【ML專案】基於情感分析和關係網路的影視產品文字挖掘分析
【ML專案】基於網路爬蟲和資料探勘演算法的web招聘資料分析(一)——資料獲取及預處理
【ML專案】基於網路爬蟲和資料探勘演算法的web招聘資料分析(二)——探索性資料分析
【ML專案】基於網路爬蟲和資料探勘演算法的web招聘資料分析(三)——資料探勘演算法建模
【DL專案】跑CNN程式時遇到的error(持續更新)
【DL專案】你的顏值打幾分?基於Tensorflow實現人臉打分
Reinforvement Learning學習筆記
基於tensorflow實現RL的policy based演算法Hadoop&Spark學習
【Hadoop&Spark】安裝詳解Docker學習
執行Docker時遇到的一些問題論文筆記
論文翻譯
Support Vector Clustering 論文翻譯(未完待續)Generative Adversarial Nets論文翻譯(未完待續)
Convolutional Clustering for Unsupervised Learning 論文翻譯
Very Deep Convolutional Network For Large-Scale Image Recognition 論文翻譯(VGG)
Dynamic Routing Between Capsules論文翻譯(中英文對照)(更新中)
論文理解
Generative Adversarial Nets 論文理解Convolutional Clustering for Unsupervised Learning 論文理解
Very Deep Convolutional Networks for Large-Scale Image Recognition——VGG(論文理解)
程式設計問題
網易有道筆試題——數字位數全排列整除問題金山雲筆試題——字母密碼轉換排列問題
R語言學習筆記
R實現機器學習
R機器學習(一)——一元迴歸 R機器學習(二)——非線性迴歸 R機器學習(三)——多元迴歸 R機器學習(四)——logistics迴歸 R機器學習(五)——決策樹ID3演算法 R機器學習(六)——決策樹C4.5演算法R機器學習(七)——迴歸樹CART演算法 R機器學習(八)——K-means聚類
R機器學習(九)——層次聚類
R機器學習(十)——密度聚類DBSCAN R機器學習(十一)——Apriori關聯規則 R機器學習(十二)——SVM R機器學習(十三)——時間序列模型 R機器學習(十四)——主成分分析 R機器學習(十五)——樸素貝葉斯 R機器學習(十六)——KNN演算法 R機器學習(十七)——梯度提升決策樹(GBDT) R機器學習(十八)——隨機森林 R機器學習(十九)——Adaboost演算法 R機器學習(二十)——BP神經網路 R機器學習(二十一)——基於Tensorflow實現神經網路
Python學習筆記
Python基礎
常用檔案讀取 Python2與Python3的不同 Python正則表示式 基於python的urllib庫編寫網路爬蟲人臉檢測工具face_recognition的安裝與使用 Mac安裝影象標註工具LabelImg Mac Python安裝liblinear機器學習庫 用pip安裝python庫下載超時的解決辦法
Python資料結構
Python資料結構(一)——線性表:順序表的實現 Python資料結構(二)——線性表:連結串列的實現 Python資料結構(三)——字串:KMP演算法實現 Python資料結構(四)——排序:氣泡排序 Python資料結構(五)——排序:直接選擇排序 Python資料結構(六)——排序:插入排序 Python資料結構(七)——排序:快速排序 Python資料結構()——排序:堆排序 Python資料結構()——排序:歸併排序Python模組
Python常用模組(一)——shutil模組 Python常用模組(二)——os模組Python常用模組(三)——collections模組的常用方法
Matplotlib畫圖
Matplotlib畫圖(一)——散點圖scatterMatplotlib畫圖(二)——根據函式公式畫圖
Matplotlib畫圖(三)——分段函式
Matplotlib畫圖(四)——折線圖
Matplotlib畫圖(五)——多圖片共框
Matplotlib畫圖(六)——圖中圖
Matplotlib畫圖(七)——線的顏色、點的形狀
Matplotlib畫圖(八)——條形圖
Matplotlib畫圖(九)——餅圖
Matplotlib畫圖(十)——基於networkx畫關係網路圖
Matplotlib畫圖(十一)——箱線圖
scikit-learn實現機器學習
【scikit-learn】機器學習(一)——一元迴歸模型 【scikit-learn】機器學習(二)——非線性迴歸 【scikit-learn】機器學習(三)——多元迴歸 【scikit-learn】機器學習(四)——logistics迴歸 【scikit-learn】機器學習(五)——決策樹ID3演算法 【scikit-learn】機器學習(六)——決策樹C4.5演算法【scikit-learn】機器學習(七)——迴歸樹CART演算法 【scikit-learn】機器學習(八)——K-means聚類
【scikit-learn】機器學習(九)——層次聚類
【scikit-learn】機器學習(十)——密度聚類DBSCAN 【scikit-learn】機器學習(十一)——Apriori關聯規則 【scikit-learn】機器學習(十二)——SVM 【scikit-learn】機器學習(十三)——時間序列模型 【scikit-learn】機器學習(十四)——主成分分析 【scikit-learn】機器學習(十五)——樸素貝葉斯 【scikit-learn】機器學習(十六)——KNN演算法 【scikit-learn】機器學習(十七)——梯度提升決策樹(GBDT) 【scikit-learn】機器學習(十八)——隨機森林 【scikit-learn】機器學習(十九)——Adaboost演算法 【scikit-learn】機器學習(二十)——BP神經網路 【scikit-learn】機器學習(二十一)——基於Tensorflow實現神經網路 【scikit-learn】機器學習(二十二)——圖片聚類:k-means演算法的python實現
Machine Learning學習筆記
【Trick】決策樹剪枝 【Trick】核技巧 【Trick】資料預處理的常用方法 【Trick】機器學習特徵工程處理(一) 【異同】資訊增益、Gini、資訊增益率 【異同】決策樹ID3和C4.5的異同 【異同】LR和SVM的異同 【異同】梯度提升決策樹和隨機森林的異同 【ML演算法】監督學習——線性迴歸 【ML演算法】監督學習——邏輯迴歸 【ML演算法】監督學習——決策樹ID3演算法 【ML演算法】監督學習——決策樹C4.5演算法 【ML演算法】監督學習——支援向量機【ML演算法】監督學習——KNN演算法
【ML演算法】無監督學習——K-means聚類
【ML演算法】無監督學習——層次聚類 【ML演算法】無監督學習——DBCAN聚類 【ML演算法】無監督學習——關聯規則Apriori 【ML演算法】整合學習——隨機森林(RF) 【ML演算法】整合學習——GBDT 【ML演算法】整合學習——Adaboost
【ML演算法】整合學習——xgboost
Machine Learning演算法底層實現(基於python)
【ML演算法實現】監督學習——線性迴歸 【ML演算法實現】監督學習——邏輯迴歸 【ML演算法實現】監督學習——決策樹ID3演算法 【ML演算法實現】監督學習——決策樹C4.5演算法 【ML演算法實現】監督學習——支援向量機【ML演算法實現】監督學習——KNN演算法
【ML演算法實現】無監督學習——K-means聚類
【ML演算法實現】無監督學習——層次聚類 【ML演算法實現】無監督學習——DBCAN聚類 【ML演算法實現】無監督學習——關聯規則Apriori 【ML演算法實現】整合學習——隨機森林(RF) 【ML演算法實現】整合學習——GBDT 【ML演算法實現】整合學習——Adaboost
【ML演算法實現】整合學習——xgboost
推薦系統專題
推薦系統——演算法概述推薦系統——冷啟動問題
Deep Learning學習筆記
演算法學習
Deep Learning常用資料集 相對熵與交叉熵 AutoEncoder詳解 VAE詳解 相似圖片搜尋演算法介紹 常見超解析度處理方法防止過擬合的處理方法
Tensorflow
卷積神經網路簡介 基於Tensorflow實現AutoEncoder LeNet5神經網路簡介及TensorFlow實現VGG網路詳解及程式碼實現 Tensorflow實現CNN
Keras
python機器學習演算法(Keras)基於Keras實現CNN 用RNN做MNIST分類
Pytorch
Pytorch實現CNN卷積神經網路Caffe
Mac安裝caffe時出現的錯誤DL&ML專案實踐
【ML專案】基於決策樹演算法的電信運營商客戶流失預測 【ML專案】基於聚類演算法的我國臨終關懷現狀分析【ML專案】基於情感分析和關係網路的影視產品文字挖掘分析
【ML專案】基於網路爬蟲和資料探勘演算法的web招聘資料分析(一)——資料獲取及預處理
【ML專案】基於網路爬蟲和資料探勘演算法的web招聘資料分析(二)——探索性資料分析
【ML專案】基於網路爬蟲和資料探勘演算法的web招聘資料分析(三)——資料探勘演算法建模
【DL專案】跑CNN程式時遇到的error(持續更新)
【DL專案】你的顏值打幾分?基於Tensorflow實現人臉打分
Reinforvement Learning學習筆記
基於tensorflow實現RL的policy based演算法Hadoop&Spark學習
【Hadoop&Spark】安裝詳解Docker學習
執行Docker時遇到的一些問題論文筆記
論文翻譯
Support Vector Clustering 論文翻譯(未完待續)Generative Adversarial Nets論文翻譯(未完待續)
Convolutional Clustering for Unsupervised Learning 論文翻譯
Very Deep Convolutional Network For Large-Scale Image Recognition 論文翻譯(VGG)
Dynamic Routing Between Capsules論文翻譯(中英文對照)(更新中)
論文理解
Generative Adversarial Nets 論文理解Convolutional Clustering for Unsupervised Learning 論文理解
Very Deep Convolutional Networks for Large-Scale Image Recognition——VGG(論文理解)
程式設計問題
網易有道筆試題——數字位數全排列整除問題金山雲筆試題——字母密碼轉換排列問題