资源简介
这是一份Sklearn的实战教程,可以在jupyter notebook 打开。
代码片段和文件信息
import numpy as np
def linear_data_sample(N=40 rseed=0 m=3 b=-2):
rng = np.random.RandomState(rseed)
x = 10 * rng.rand(N)
dy = m / 2 * (1 + rng.rand(N))
y = m * x + b + dy * rng.randn(N)
return (x y dy)
def linear_data_sample_big_errs(N=40 rseed=0 m=3 b=-2):
rng = np.random.RandomState(rseed)
x = 10 * rng.rand(N)
dy = m / 2 * (1 + rng.rand(N))
dy[20:25] *= 10
y = m * x + b + dy * rng.randn(N)
return (x y dy)
def sample_light_curve(phased=True):
from astroML.datasets import fetch_LINEAR_sample
data = fetch_LINEAR_sample()
t y dy = data[18525697].T
if phased:
P_best = 0.580313015651
t /= P_best
return (t y dy)
def sample_light_curve_2(phased=True):
from astroML.datasets import fetch_LINEAR_sample
data = fetch_LINEAR_sample()
t y dy = data[10022663].T
if phased:
P_best = 0.61596079804
t /= P_best
return (t y dy)
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
目录 0 2017-12-02 04:17 notebooks\
文件 5379 2017-12-02 04:17 notebooks\01-Preliminaries.ipynb
文件 233129 2017-12-02 04:17 notebooks\02.1-Machine-Learning-Intro.ipynb
文件 1362535 2017-12-02 04:17 notebooks\02.2-Basic-Principles.ipynb
文件 207955 2017-12-02 04:17 notebooks\03.1-Classification-SVMs.ipynb
文件 329061 2017-12-02 04:17 notebooks\03.2-Regression-Forests.ipynb
文件 258214 2017-12-02 04:17 notebooks\04.1-Dimensionality-PCA.ipynb
文件 1418373 2017-12-02 04:17 notebooks\04.2-Clustering-KMeans.ipynb
文件 183574 2017-12-02 04:17 notebooks\04.3-Density-GMM.ipynb
文件 281183 2017-12-02 04:17 notebooks\05-Validation.ipynb
目录 0 2017-12-02 04:17 notebooks\fig_code\
文件 980 2017-12-02 04:17 notebooks\fig_code\data.py
文件 8603 2017-12-02 04:17 notebooks\fig_code\figures.py
文件 2301 2017-12-02 04:17 notebooks\fig_code\helpers.py
文件 735 2017-12-02 04:17 notebooks\fig_code\linear_regression.py
文件 4970 2017-12-02 04:17 notebooks\fig_code\ML_flow_chart.py
文件 1175 2017-12-02 04:17 notebooks\fig_code\sgd_separator.py
文件 11549 2017-12-02 04:17 notebooks\fig_code\svm_gui.py
文件 179 2017-12-02 04:17 notebooks\fig_code\__init__.py
目录 0 2017-12-02 04:17 notebooks\images\
文件 7712 2017-12-02 04:17 notebooks\images\data-layout.png
文件 18270 2017-12-02 04:17 notebooks\images\iris_setosa.jpg
文件 21783 2017-12-02 04:17 notebooks\images\iris_versicolor.jpg
文件 62056 2017-12-02 04:17 notebooks\images\iris_virginica.jpg
文件 2188 2017-12-02 04:17 notebooks\Index.ipynb
文件 963 2017-12-02 04:17 notebooks\URL.ipynb
相关资源
- 张志华-机器学习导论-课程讲义及作业
-
hog的xm
l与训练数据集 - KNN算法与Tensorflow分别实现的手写识别
- crack detection
- 机器学习那些事.pdf
- 《Neural Networks and Deep Learning》中文版
- 吴恩达LogisticRegression识别猫数据集
- PRML课后习题及答案
- 国科大模式识别机器学习15-19期末试题
- 机器学习中科院北航西电期末卷复习
- 机器学习-Mitchell-中文-完整高清版
- 一种基于层次分析法的改进KNN算法
- 机器学习 Jason Brownlee
- Pattern Recognition and Machine Learning 课后习
- 斯坦福大学机器学习所有习题及答案
- 评估机器学习的模型
- 中科大机器学习期末试卷
- 国科大中科院模式识别与机器学习期
- 2019年北航机器学习研究生期末考试往
- Science 杂志综述长文——Machine learni
- XGBoost论文原文+翻译
- 机器学习实验(Lasso求解算法预测波士
- UCI数据集
- 机器学习ppt
- BAT机器学习面试1000题系列
- machine learning ex4
- 阿里云机器学习组件PAI用户手册
- 斯坦福大学机器学习课程
- PDF已勘误经典书籍PRML马春鹏译版_模式
- PRML最最最完整版答案
评论
共有 条评论