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
- ppt 机器学习.ppt
- Logistic回归总结非常好的机器学习总结
- Convex Analysis and Optimization (Bertsekas
- 机器学习个人笔记完整版v5.2-A4打印版
- JUNIOR:粒子物理学中无监督机器学习
- 语料库.zip
- 中国科学技术大学 研究生课程 机器学
- 遗传算法越野小车unity5.5
- 吴恩达机器学习编程题
- shape_predictor_68_face_landmarks.dat.bz2 68个标
- 机器学习实战高清pdf,中文版+英文版
- 李宏毅-机器学习(视频2017完整)
- 机器学习深度学习 PPT
- 麻省理工:深度学习介绍PPT-1
- Wikipedia机器学习迷你电子书之四《D
- Learning From Data Yaser S. Abu-Mostafa
- 北大林宙辰:机器学习一阶算法的优
- 李宏毅深度学习ppt
- 机器学习方法R实现-用决策树、神经网
- 数字金融反欺诈白皮书
- 机器学习班PPT原件全邹博
- 机器学习实战(源码和数据样本)
- 计算广告含有目录 刘鹏版
- 数据挖掘导论完整版PPT及课后习题答
- kaggle信用卡欺诈数据
- 机器学习技法原始讲义和课程笔记
- 机器学习数学 陈希孺《 概率论与数理
- 概率论与数理统计陈希孺
- 哈尔滨工业大学深圳 机器学习 2017 考
- [概率论与数理统计]陈希孺带目录
评论
共有 条评论