基于python对机器学习算法的调包及自写包实现全部数据.zip （183个子文件） 
result.csv 5.9MB sampleSubmission.csv 87KB train.csv 59KB Boston.csv 36KB test.csv 28KB fish.csv 3KB result.csv 3KB gender_submission.csv 3KB data.csv 511B 1.csv 271B Advertising.csv 240B housePrice.csv 104B
回归分析例题完整代码及理论分析.doc 2.04MB
train-images-idx3-ubyte.gz 9.45MB t10k-images-idx3-ubyte.gz 1.57MB train-labels-idx1-ubyte.gz 28KB t10k-labels-idx1-ubyte.gz 4KB 7.1预测后十年数据.ipynb 349KB 4数据分析包操作PandasLearn_Series和DataFrame.ipynb 149KB Untitled-checkpoint.ipynb 116KB forestTry.ipynb 116KB DBSCAN算法测试.ipynb 86KB 7.2使用神经网络预测公路运量.ipynb 73KB
girl.jpg 18KB .keep 0B events.out.tfevents.1607780471.LAPTOP-3BRRJ3HT 1.19MB 理论.md 7KB 理论.md 7KB 数据预处理.md 5KB 理论.md 3KB 理论.md 2KB 理论.md 2KB 回归分析概述.md 2KB 文本概念.md 866B 理论.md 789B 理论.md 226B PULL_REQUEST_TEMPLATE.zh-CN.md 182B ISSUE_TEMPLATE.zh-CN.md 79B
BostonDataMeaning.png 409KB 决策树算法.png 298KB tensorflow的优化器.png 279KB C4.5算法.png 272KB 回归树3.png 231KB 回归树1.png 228KB 决策树的剪枝1.png 226KB 预剪枝.png 217KB 分类树1.png 208KB 回归树2.png 189KB 条件熵.png 147KB FP-Growth伪代码.png 146KB C4.5和CART.png 119KB CART算法定义.png 112KB ID3算法.png 104KB 2种梯度下降算法.png 101KB CART算法.png 93KB 3种决策树对比.png 91KB apriori过程.png 81KB 分类树2.png 80KB apriori伪代码3.png 79KB 决策树的剪枝.png 79KB 信息量和熵.png 72KB apriori伪代码2.png 71KB 信息增益.png 59KB image.png 49KB 条件熵1.png 45KB image1.png 27KB apriori伪代码1.png 24KB 后剪枝.png 20KB C45.py 23KB CART_1.py 9KB AdaBoostTry.py 9KB lowerDataDimension1.py 9KB C4.5_1.py 8KB optSmoWithoutKernel.py 8KB 逻辑回归分析.py 8KB simpleSmo.py 8KB Apriori.py 8KB 基于批量梯度下降BGD的多元一次线性回归法.py 8KB optSmo.py 7KB 基于随机梯度下降SGD的多元一次线性回归法.py 7KB C4.5.py 6KB NBC_Test.py 6KB 1矩阵操作函数库numpyLearn.py 6KB CART.py 6KB ID3.py 6KB FP-Growth.py 6KB 5机器学习函数库scikit-learnLearn.py 5KB DBSCAN.py 5KB 实例6：tensorflow多元线性回归预测房价.py 4KB 1.py 4KB multiclassSupportVectorMachine.py 4KB 数据清理.py 4KB KNN_Test.py 4KB MNIST_Learn3.py 4KB Kmedoids.py 4KB SVM_model_Learn.py 4KB MNIST_Learn2.py 4KB smoTest.py 4KB KNN_model_Learn.py 3KB treePlotter.py 3KB
VIP享7折，此内容立减5.97元 
