# machine-learing
机器学习算法及python代码详解
## [01.绪论](https://github.com/HDZ12/machine-learing/blob/main/01.%E7%BB%AA%E8%AE%BA/01.%E7%BB%AA%E8%AE%BA.md)
## [02.模型的评估与选择](https://github.com/HDZ12/machine-learing/blob/main/02.%E6%A8%A1%E5%9E%8B%E7%9A%84%E8%AF%84%E4%BC%B0%E4%B8%8E%E9%80%89%E6%8B%A9/02.%E6%A8%A1%E5%9E%8B%E7%9A%84%E8%AF%84%E4%BC%B0%E4%B8%8E%E9%80%89%E6%8B%A9.md)
## [03.决策树](https://github.com/HDZ12/machine-learing/blob/main/04.%E5%86%B3%E7%AD%96%E6%A0%91/04.%E5%86%B3%E7%AD%96%E6%A0%91.md)
## [04.神经网络](https://github.com/HDZ12/machine-learing/blob/main/05.%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/05.%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C.md)
### [MLPClassifier](https://github.com/HDZ12/machine-learing/blob/main/05.%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/MLPClassifier%E4%BB%A3%E7%A0%81%E5%AE%9E%E4%BE%8B/MLPClassifier.py)
## [06.支持向量机](https://github.com/HDZ12/machine-learing/blob/main/06.%E6%94%AF%E6%8C%81%E5%90%91%E9%87%8F%E6%9C%BA/06.%E6%94%AF%E6%8C%81%E5%90%91%E9%87%8F%E6%9C%BA.md)
### [SVC](https://github.com/HDZ12/machine-learing/blob/main/06.%E6%94%AF%E6%8C%81%E5%90%91%E9%87%8F%E6%9C%BA/SVM%E4%BB%A3%E7%A0%81/SVC.py)
### [SVR](https://github.com/HDZ12/machine-learing/blob/main/06.%E6%94%AF%E6%8C%81%E5%90%91%E9%87%8F%E6%9C%BA/SVM%E4%BB%A3%E7%A0%81/SVR.py)
## [07.贝叶斯分类器](https://github.com/HDZ12/machine-learing/blob/main/07.%E8%B4%9D%E5%8F%B6%E6%96%AF%E5%88%86%E7%B1%BB%E5%99%A8/07.%E8%B4%9D%E5%8F%B6%E6%96%AF%E5%88%86%E7%B1%BB%E5%99%A8.md)
### [Gauss](https://github.com/HDZ12/machine-learing/blob/main/07.%E8%B4%9D%E5%8F%B6%E6%96%AF%E5%88%86%E7%B1%BB%E5%99%A8/%E8%B4%9D%E5%8F%B6%E6%96%AF%E5%88%86%E7%B1%BB%E5%99%A8%E4%BB%A3%E7%A0%81/Gauss.py)
### [MultionmialNB](https://github.com/HDZ12/machine-learing/blob/main/07.%E8%B4%9D%E5%8F%B6%E6%96%AF%E5%88%86%E7%B1%BB%E5%99%A8/%E8%B4%9D%E5%8F%B6%E6%96%AF%E5%88%86%E7%B1%BB%E5%99%A8%E4%BB%A3%E7%A0%81/MultinomialNB.py)
## [08.EM算法](https://github.com/HDZ12/machine-learing/blob/main/08.EM%E7%AE%97%E6%B3%95/08.EM%E7%AE%97%E6%B3%95.md)
## [09.集成学习](https://github.com/HDZ12/machine-learing/blob/main/09.%E9%9B%86%E6%88%90%E5%AD%A6%E4%B9%A0/09.%E9%9B%86%E6%88%90%E5%AD%A6%E4%B9%A0.md)
## [10.聚类算法](https://github.com/HDZ12/machine-learing/blob/main/10.%E8%81%9A%E7%B1%BB%E7%AE%97%E6%B3%95/10.%E8%81%9A%E7%B1%BB%E7%AE%97%E6%B3%95.md)
没有合适的资源?快使用搜索试试~ 我知道了~
机器学习算法及python代码详解.zip
共197个文件
png:178个
md:12个
py:6个
需积分: 5 0 下载量 66 浏览量
2024-04-16
22:46:34
上传
评论
收藏 7.14MB ZIP 举报
温馨提示
众所周知,人工智能是当前最热门的话题之一, 计算机技术与互联网技术的快速发展更是将对人工智能的研究推向一个新的高潮。 人工智能是研究模拟和扩展人类智能的理论与方法及其应用的一门新兴技术科学。 作为人工智能核心研究领域之一的机器学习, 其研究动机是为了使计算机系统具有人的学习能力以实现人工智能。 那么, 什么是机器学习呢? 机器学习 (Machine Learning) 是对研究问题进行模型假设,利用计算机从训练数据中学习得到模型参数,并最终对数据进行预测和分析的一门学科。 机器学习的用途 机器学习是一种通用的数据处理技术,其包含了大量的学习算法。不同的学习算法在不同的行业及应用中能够表现出不同的性能和优势。目前,机器学习已成功地应用于下列领域: 互联网领域----语音识别、搜索引擎、语言翻译、垃圾邮件过滤、自然语言处理等 生物领域----基因序列分析、DNA 序列预测、蛋白质结构预测等 自动化领域----人脸识别、无人驾驶技术、图像处理、信号处理等 金融领域----证券市场分析、信用卡欺诈检测等 医学领域----疾病鉴别/诊断、流行病爆发预测等 刑侦领域----潜在犯罪识别与预测、模拟人工智能侦探等 新闻领域----新闻推荐系统等 游戏领域----游戏战略规划等 从上述所列举的应用可知,机器学习正在成为各行各业都会经常使用到的分析工具,尤其是在各领域数据量爆炸的今天,各行业都希望通过数据处理与分析手段,得到数据中有价值的信息,以便明确客户的需求和指引企业的发展。
资源推荐
资源详情
资源评论
收起资源包目录
机器学习算法及python代码详解.zip (197个子文件)
.gitattributes 66B
02.模型的评估与选择.md 14KB
05.神经网络.md 13KB
09.集成学习.md 13KB
06.支持向量机.md 11KB
10.聚类算法.md 10KB
03.线性回归.md 9KB
04.决策树.md 6KB
07.贝叶斯分类器.md 5KB
08.EM算法.md 4KB
01.绪论.md 4KB
README.md 2KB
README.md 408B
8e195ebb73ff2e59688e167f35452476.png 733KB
dc8a1ae96ac815be31f9d288421610d6.png 264KB
6c5aea6e8d306540fa76e23a30bba143.png 259KB
7c45004571ac9e228e849d74edb11d0c.png 259KB
1f94f48687e9527ec6d53c86d38baa99.png 201KB
c80a362062079f3d997065f67778c603.png 198KB
e0c8c538c5a70150ba495d83f556d2ca.png 179KB
44688ea7b4439644675f289faabbab61.png 162KB
c9db45d02b5cf8a58573f0e0306c7a21.png 150KB
d60178271a7a625c3686f9007ead4daa.png 133KB
96031b03fac8f58a0b419cfb2fe7a7be.png 120KB
ee01e0c8abd670a0f880bd1bebf9128e.png 120KB
a584a4878ad661d9968b84ca2d2be5d0.png 118KB
1c53ed56e4e4e8c65ff29bed92c8199a.png 117KB
30b952cda1f75752b749e78f50cca4b9.png 113KB
b48fbccbff4c98ecdd900161a500d8bf.png 109KB
0de53ac142cbcaee23f84ac9ea88a194.png 104KB
4c5101b58a036333c9f4e4f5e256cd91.png 100KB
85370217e65895bd4d7ae1fa4127ce8b.png 98KB
5b24762163a0c5f1a9a85d740f43ffe7.png 98KB
c7d2293f351e4de2b08980083d37fbd8.png 97KB
04ec4e3dc7932401a014973b03c22ece.png 96KB
7bb10d7d4c0bfd07a6e20d59453cd9b1.png 94KB
e040cf101fdb881ddb7430d00ff2a76c.png 86KB
cc35890d8ba07387801728269cf2f530.png 85KB
c2bc5917b1cfc7fa7ce01a60517794f5.png 85KB
4626221c1fb973a2a6c5e7c1557cde11.png 84KB
f8ded5c42fb1b0b6e5264008e328b29b.png 81KB
c52054ba5c7fa940b647ce8a78ce43d1.png 81KB
fe3a16c0deda61221314f8d2716ed10e.png 78KB
52ec5314b4da2b2a6d7c033357830e99.png 73KB
84ddbe663e83cbb590c04b680b704937.png 71KB
9511065449af02fede3a0d25bcdd0dfb.png 70KB
5a8b2ef4b03cd19f256f1d6d8802f0a3.png 69KB
e492528ddea77137aff9079822ad8c8d.png 69KB
f9deef8c651896f49ccdc6d486f2bba9.png 68KB
2337f9809d8822fb410bcd863636ec51.png 65KB
0e175fde9649d12755e0e42a5e46514b.png 62KB
dc56db93d48660705c85ad8d09bcdee2.png 60KB
8564659ced7b07d3037c528f1df84869.png 55KB
5e20970afb2acbae4f055d45e5b6974c.png 55KB
905af835b3fbad9cf94dd8b54ea384c9.png 53KB
7756ef5b385ced161952a6d8ed4bf01f.png 49KB
d93c0ec6d1a6e52b11d13bfbddf2f9f2.png 48KB
fde1e91ca3e7178b47b115813684dcb9.png 47KB
f96fcb838ec00253573ecb20f78ca62d.png 47KB
7b036ec48ce05586b9f84171fa62f606.png 45KB
9da32097402203075ded6e6c68a7caf8.png 44KB
97a2af30dc10c818fb27e87fb7a4832f.png 44KB
dfa20aad8639b142fe26a36f7f7680cf.png 43KB
a87f600efbead7704a5cd9785122bd0b.png 42KB
3d3e54ba06531f58a72443e758f3304d.png 41KB
393a9f4d120a9d3ded6510b817f2162c.png 41KB
5d3b27d0b4448b75b9d7e541590a5f0e.png 41KB
53efea040d2837c1e0c8e7d34f3a2a2f.png 40KB
facc0667aac5212b8c8f40f71a0afea5.png 39KB
784bf1b95cad9c4a7f46c2008b905e30.png 39KB
f75a76039cd7ff86e79e604d83b8a3ff.png 38KB
a287cfb440d0e92fde4b2cd9d50aac2d.png 38KB
4333a840aeba3da4bb1c2e6a5a6d6a66.png 38KB
2373ca627c0b5837b514e997a7b3e606.png 35KB
7a5ed7cb898c51bed4c67af4b2140226.png 35KB
c39a9deb35b94a7c47660d557a275370.png 34KB
cff398856e858d54ff9d7d325bf87db9.png 33KB
fc8e5755b0c966b5c3d0ed4ef411f3b0.png 33KB
68a3a16e6bb09e20d32c9d5403b46670.png 32KB
132ee3f3b3e3a9a6d42571a97f66a3db.png 32KB
29de3b13323b833e76016580e14ef6cc.png 32KB
88ca44722f6bfe3f0a25e0d944f7c413.png 32KB
a9f4fd443f8c901dbd6fc0a669ceda24.png 27KB
3903e05b3c3b1a3d2951465158bcf27b.png 27KB
08086f0b94559566208051eeae862be4.png 27KB
1d4ac2c50c76d40e15ba368380c22730.png 25KB
50f129dfe99f91a65bca12e700ff3b78.png 25KB
8a4177c96eb7439121ed7a718e86b898.png 24KB
c9e69f5c61611819e7ba06f9e0a91b89.png 24KB
38147d2d90ac8bfbb77a428cf491e78c.png 23KB
2a6a5c945142dfd831c32df7ece9c022.png 23KB
23e4721e74675d4260fac14f677278e8.png 22KB
214e4221179988a97250e8fc4822ab93.png 22KB
7059dda2d2a6e2b1ac5dc21f8646a325.png 22KB
1306b21c088352905956ced4a03925f2.png 20KB
e3cd61e2d7d0d460b2c8994ec900916c.png 20KB
0daaddf19268357f20bb33d22f67f298.png 20KB
97a77a7cd2aad02234d26526425b13ce.png 19KB
7d08c00f33f4b778f12751a6c60cfa3a.png 19KB
fc4807b4cf4c227d7b503e64cbaff782.png 19KB
共 197 条
- 1
- 2
资源评论
生瓜蛋子
- 粉丝: 3794
- 资源: 4174
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功