没有合适的资源?快使用搜索试试~ 我知道了~
matlab有些代码不运行-ML1_IAP:ML1_IAP
共36个文件
png:15个
ipynb:13个
svg:4个
需积分: 9 0 下载量 50 浏览量
2021-05-23
23:33:38
上传
评论
收藏 7.97MB ZIP 举报
温馨提示
matlab有些代码不运行动手Python机器学习-麻省理工学院的IAP 在这个简短的IAP中,我将讲授在实际的有监督学习中反复使用的概念和算法。 我希望参加此IAP将鼓励您在研究中使用机器学习(ML),并有助于阅读ML文学。 机器学习是一个非常广阔的领域,自然而然地,我将无法涵盖ML的所有方面/主题/实践。 但是好消息是,仅学习两种主要算法就足以满足监督ML的几乎所有实际目的。 基于决策树的模型(即随机森林和梯度提升机),主要针对结构化数据(表格数据)成功 神经网络,主要用于非结构化数据(例如音频,视觉和自然语言),尽管最近在表格数据中也很流行(请参阅参考资料,我在准备本课程时已反复使用),但该网络非常成功。 其他大多数ML算法(在其生命周期中的某个时候变得很流行)都已过时,并且在大多数情况下不是很有用。 在本课程中,我不会在严格的推导,证明等上花费大量时间。相反,我们将利用自己的时间来获得一些直觉,即ML模型是如何工作的,并使我们的代码“肮脏”。 这与典型的学术课程截然不同,后者通常非常严格,并会花时间详细解释材料的各个方面。 每个课程将分为一个教学课程(将与jupyter笔记本电
资源推荐
资源详情
资源评论
收起资源包目录
ML1_IAP-master.zip (36个子文件)
ML1_IAP-master
jupyter-intro_RASP.ipynb 15KB
figs
Transfer_learning.png 100KB
Dropout_layer.png 132KB
Regression.png 388KB
Gradient_descent2.png 395KB
onecycle_params.png 45KB
LogReg_NN.png 328KB
linear_regression_as_neural_network2.png 16KB
overfitting.png 167KB
Loss_function_vis_NN.jpeg 7KB
Deeper_network.svg 173KB
CNN22.svg 16KB
Learning_curve.png 706KB
tree.png 104KB
CNN.svg 16KB
Log_reg_NN.jpg 46KB
k_cross_validation.png 406KB
maxpool.jpeg 37KB
LogRegMNIST.svg 29KB
linear_regression_as_neural_network.png 42KB
Convolution_explained.png 200KB
tree_MSE.png 68KB
Classification.png 629KB
lesson2-RandomForest_reg.ipynb 2.25MB
test_packages.ipynb 3KB
Gradient_decent_explained.ipynb 215KB
practice4-CNN_CIFAR10.ipynb 156KB
practice3-MNIST.ipynb 3KB
lesson5_transfer_learning_Class.ipynb 456KB
lesson3-NN.ipynb 1.5MB
lesson4-CNN.ipynb 626KB
practice2-regression.ipynb 5KB
.ipynb_checkpoints
Learning_Curve-checkpoint.ipynb 1KB
README.md 8KB
practice1-titanic_classification.ipynb 18KB
lesson1_RF_classification.ipynb 3.37MB
共 36 条
- 1
资源评论
weixin_38658982
- 粉丝: 7
- 资源: 941
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
最新资源
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
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