机器学习入门指南,基于SKlearn讲解如何学习《机器学习》,更新中。
● Numpy科学计算
● Pandas数据分析
● Matplotlib可视化
● 数据探索EDA
● 线性回归
● 逻辑回归
● 支持向量机SVM
● 随机梯度下降SGD
● K近邻(KNN)
● 朴素贝叶斯
● 决策树
● 随机森林
● 多分类与多输出
● 特征选择
● 神经网络
● Kmeans聚类
● 神经网络模型(无监督)
● 交叉验证
● 调整估算器超参数
● 指标和评分
● 验证曲线:绘制分数以评估模型
● 可视化
● 流水线和复合估算器
● 特征提取
● 数据预处理
● 缺失值补充
● 无监督降维
● 随机投影
● 玩具数据集
● 真实世界数据集
● 生成的数据集
● 加载其他数据集
● 模型持久化