🍉机器学习和Python实战🔗

机器学习和Python实战	博客笔记	案例代码	《机器学习实战》
第1章 机器学习导论	机器学习简介 人工智能的Pipeline	d1-1机器学习导论.ipynb d1-2回归分析(糖尿病人).ipynb d1-3分类问题(花朵).ipynb d2-1cluster聚类(手写数字集).ipynb d2-2深度学习理论基础.ipynb d2-3深度学习框架.ipynb d2-4实战tensorflow线性回归.ipynb d2-5鸢尾花数据.ipynb
第2章 kNN分类算法	kNN(k最邻近算法)	01-kNN.ipynb 02-使用scikit-learn中的kNN.ipynb 03-数据集制作.ipynb 04-分类准确度.ipynb 05-超参数.ipynb 06-网格搜索.ipynb
第3章 决策树	信息熵 决策树	01-sklearn中的决策树.ipynb 02-信息熵计算.ipynb 03-使用信息熵寻找最优划分.ipynb	Z1-判定鱼类和非鱼类.ipynb Z2-预测隐形眼镜类型.ipynb
第4章 朴素贝叶斯	朴素贝叶斯		Z1-屏蔽社区留言板的侮辱性言论.ipynb Z2-过滤垃圾邮件.ipynb Z3-从个人广告中获取区域倾向.ipynb
第5章 线性回归	线性回归	01-简单线性回归.ipynb 02-多元线性回归.ipynb 03-sklearn中线性回归.ipynb 04-线性回归的可解释性.ipynb	Z1-线性回归.ipynb Z2-使用局部线性回归预测鲍鱼年龄.ipynb
第6章 梯度下降	梯度下降 随机梯度下降	01-模拟梯度下降法.ipynb 02-线性回归模型中使用梯度下降法.ipynb 03-梯度下降法向量化(Boston房价).ipynb 04-随机梯度下降法(SGD).ipynb 05-sklearn中梯度下降法.ipynb 06-梯度的计算调试.ipynb 07-牛顿法.ipynb
第7章 逻辑回归	逻辑回归	01-Sigmoid函数.ipynb 02-损失函数的梯度推导.ipynb 03-实现逻辑回归算法.ipynb 04-决策边界.ipynb 05-逻辑回归中多项式分类.ipynb 06-scikit-learn中的逻辑回归.ipynb	Z1-使用Logistic回归在简单数据集上的分类.ipynb Z2-从疝气病症预测病马的死亡率.ipynb Z3-岭回归.ipynb Z4-前向逐步回归.ipynb Z5-Logistic回归.ipynb
第8章 支持向量机SVM	支持向量机SVM		Z1-对小规模数据点进行分类（无核函数）.ipynb Z3-手写数字识别的优化（有核函数）.ipynb
第09章 集成RandomForest
第10章 聚类&HMM
第11章 技术工具
第12章 推荐系统

• Python3 入门机器学习 经典算法与应用
  
  

🏆 Kaggle实战

序号	Kaggle实战	博客笔记	案例代码
01	redhat-business		kk01-preprocess-redhat-business.ipynb kk02-train-redhat-business.ipynb kk03-predict-redhat-business.ipynb
02	泰坦尼克(titanic)
09	🌟数学基础		06-线性代数(距离计算).ipynb