首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >100天写机器学习代码100天写机器学习代码

100天写机器学习代码100天写机器学习代码

作者头像
iOSDevLog
发布2018-09-20 10:39:57
1.3K0
发布2018-09-20 10:39:57
举报
文章被收录于专栏:iOSDevLogiOSDevLog

100天写机器学习代码

Siraj Raval提出的100天机器学习编码

这里获取数据集

数据预处理| 第1天

这里查看代码。

Day 1.jpg

简单线性回归| 第2天

这里查看代码。

Day 2.jpg

多元线性回归| 第3天

这里查看代码。

Day 3.jpg

Logistic回归| 第4天

Day 4.jpg

Logistic回归| 第5天

今天进入#100DaysOfMLCode我深入研究了实际Logistic回归的深度,以及它背后的数学运算是什么。了解如何计算成本函数,以及如何将梯度下降算法应用于成本函数以最小化预测误差。 由于时间较短,我现在将在隔天发布信息图。此外,如果有人想帮助我在代码文档中,并已经在该领域的一些经验,并知道Markdown for github请在LinkedIn上与我联系:)。

实施Logistic回归| 第6天

这里查看代码

K最近的邻居| 第7天

Day 7.jpg

Logistic回归背后的数学| 第8天

#100DaysOfMLCode为了清楚我对逻辑回归的见解,我在互联网上搜索了一些资源或文章,我在Saishruthi Swaminathan 看到了这篇文章(https://towardsdatascience.com/logistic-regression-detailed-overview-46c4da4303bc)。

它给出了Logistic回归的详细描述。检查一下。

支持向量机| 第9天

直观了解SVM是什么以及如何使用它来解决分类问题。

SVM和KNN | 第10天

了解更多关于SVM如何工作和实现knn算法的知识。

实施K-NN | 第11天

实现了K-NN算法进行分类。#100DaysOfMLCode支持向量机信息图表中途完成将在明天更新。

支持向量机| 第12天

Day 12.jpg

朴素贝叶斯分类器| 第13天

继续#100DaysOfMLCode今天我通过Naive Bayes分类器。我也在使用scikit-learn在python中实现SVM。将很快更新代码。

SVM的实现| 第14天

今天我在线性相关数据上实现了SVM。使用Scikit-Learn库。在scikit-learn中我们有SVC分类器,我们用它来完成这个任务。将在下一次实现时使用kernel-trick。在这里查看代码。

朴素贝叶斯分类器和黑盒机学习| 第15天

了解不同类型的朴素贝叶斯分类也开始了彭博社的讲座。播放列表中的第一个是Black Box Machine Learning。它给出了关于预测函数,特征提取,学习算法,性能评估,交叉验证,样本偏差,非平稳性,过度拟合和超参数调整的整体视图。

使用Kernel Trick实现SVM 第16天

使用Scikit-Learn库实现了SVM算法以及内核函数,该函数将我们的数据点映射到更高维度以找到最佳超平面。

开始深入学习Coursera的专业化| 第17天

在一天内完成整个第1周和第2周。学习Logistic回归为神经网络。

课程深度学习专业化| 第18天

完成深度学习专业课程1。在python中实现了神经网络。

学习问题,Yaser Abu-Mostafa教授| 第19天

由Yaser Abu-Mostafa教授开始的加州理工学院机器学习课程 - 第156讲第1讲。这基本上是对即将到来的讲座的一种介绍。他还解释了Perceptron算法。

开始深度学习专业课程2 | 第20天

完成了改进深度神经网络的第1周:超参数调整,正则化和优化。

网页搜罗| 第21天

观看了一些关于如何使用Beautiful Soup进行网页划分的教程,以便收集用于构建模型的数据。

学习可行吗?| 第22天

加州理工学院机器学习课程18的第2讲 - 由Yaser Abu-Mostafa教授主讲的CS 156。了解Hoeffding不平等。

决策树| 第23天

Day 23.jpg

统计学习理论导论| 第24天

Bloomberg ML课程的第3课介绍了一些核心概念,如输入空间,动作空间,结果空间,预测函数,损失函数和假设空间。

实施决策树| 第25天

这里查看代码

跳到刷线性代数| 第26天

在youtube 3Blue1Brown上找到了一个惊人的频道。它有一个名为Essence of Linear Algebra的播放列表。通过完成4个视频开始,完整地概述了矢量,线性组合,跨度,基矢量,线性变换和矩阵乘法。

这里链接到播放列表

跳到刷线性代数| 第27天

继续完成播放列表下一个4视频讨论主题3D转换,行列式,逆矩阵,列空间,空间和非平方矩阵。

这里链接到播放列表

跳到刷线性代数| 第28天

在3Blue1Brown的播放列表中完成了另外3个来自线性代数本质的视频。涉及的主题是Dot Product和Cross Product。

这里链接到播放列表

跳到刷线性代数| 第29天

今天完成整个播放列表,12 - 14的视频。真的是一个令人惊叹的播放列表,可以刷新线性代数的概念。涵盖的主题是基础的变化,特征向量和特征值,以及抽象向量空间。

这里链接到播放列表

微积分的本质| 第30天

通过3blue1brown完成播放列表 - 线性代数的本质由youtube弹出关于同一频道3Blue1Brown再次播放一系列视频的建议。由于之前关于线性代数的系列已经给我留下了深刻的印象。完成了大约5个关于主题的视频,例如衍生品,链规则,产品规则和指数衍生。

这里链接到播放列表

微积分的本质| 第31天

观看2个关于主题隐含差异和限制的视频来自播放列表微积分的本质。

这里链接到播放列表

微积分的本质| 第32天

观看剩下的4个视频,内容包括集成和高阶衍生品等主题。

这里链接到播放列表

随机森林| 第33天

Day 33.jpg

实施随机森林| 第34天

这里查看代码

但什么神经网络?| 深度学习,第1章| 第35天

由3Blue1Brown youtube频道制作的关于神经网络的精彩视频。该视频可以很好地理解神经网络,并使用手写数字数据集来表达概念。链接到视频。

梯度下降,神经网络如何学习 深度学习,第2章| 第36天

3Blue1Brown youtube Channel的神经网络的第二部分,这个视频以一种有趣的方式解释了Gradient Descent的概念。169必须观看并强烈推荐。链接到视频。

什么是反向传播呢?| 深度学习,第3章| 第37天

3Blue1Brown youtube Channel的神经网络的第三部分,在这个视频中,谈话主要是关于偏导数和反向传播。链接到视频。

K意味着聚类| 第43天

转向无监督学习并研究了聚类。在我的网站上工作查看avikjain.me 还找到了一个很棒的动画,有助于轻松理解K - Means Clustering Link

Day 43.jpg

原文:https://github.com/Avik-Jain/100-Days-Of-ML-Code

本文参与 腾讯云自媒体分享计划,分享自作者个人站点/博客。
原始发表:2018.08.24 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 100天写机器学习代码
    • 数据预处理| 第1天
      • 简单线性回归| 第2天
        • 多元线性回归| 第3天
          • Logistic回归| 第4天
            • Logistic回归| 第5天
              • 实施Logistic回归| 第6天
                • K最近的邻居| 第7天
                  • Logistic回归背后的数学| 第8天
                    • 支持向量机| 第9天
                      • SVM和KNN | 第10天
                        • 实施K-NN | 第11天
                          • 支持向量机| 第12天
                            • 朴素贝叶斯分类器| 第13天
                              • SVM的实现| 第14天
                                • 朴素贝叶斯分类器和黑盒机学习| 第15天
                                  • 使用Kernel Trick实现SVM 第16天
                                    • 开始深入学习Coursera的专业化| 第17天
                                      • 课程深度学习专业化| 第18天
                                        • 学习问题,Yaser Abu-Mostafa教授| 第19天
                                          • 开始深度学习专业课程2 | 第20天
                                            • 网页搜罗| 第21天
                                              • 学习可行吗?| 第22天
                                                • 决策树| 第23天
                                                  • 统计学习理论导论| 第24天
                                                    • 实施决策树| 第25天
                                                      • 跳到刷线性代数| 第26天
                                                        • 跳到刷线性代数| 第27天
                                                          • 跳到刷线性代数| 第28天
                                                            • 跳到刷线性代数| 第29天
                                                              • 微积分的本质| 第30天
                                                                • 微积分的本质| 第31天
                                                                  • 微积分的本质| 第32天
                                                                    • 随机森林| 第33天
                                                                      • 实施随机森林| 第34天
                                                                        • 但什么是神经网络?| 深度学习,第1章| 第35天
                                                                          • 梯度下降,神经网络如何学习 深度学习,第2章| 第36天
                                                                            • 什么是反向传播呢?| 深度学习,第3章| 第37天
                                                                              • K意味着聚类| 第43天
                                                                              领券
                                                                              问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档