这是一个小“废”贴

我的学习目录

    • 一,数据处理
      • Pandas 数据处理
    • 二,机器学习
      • 上课进度及练习
      • 应用部分
        • 生成自己的数据集
        • 广义线性模型
        • 交叉验证:评估估算器的表现
        • 计算 f1_score
        • 数据降维
      • 特征选择
      • 集成学习
      • 1,k - 邻近算法
      • 2,线性回归
      • 3,决策树
      • 4,朴素贝叶斯算法
      • 5,逻辑回归
      • 6,聚类 - sklearn中的使用
    • 三,深度学习(tensorflow)
      • 相关知识
      • 1,构建多层感知器
      • 2,独热编码、顺序编码与softMax多分类
      • 3,模型的优化和过拟合问题
      • 4,建立模型的三种方式
      • 5,卷积神经网络(CNN)介绍+实例说明
      • 6,序列问题-电影评论实例(二分类问题)
      • 7,Tensor类型的数据进行微分计算
      • 8,图片增强(实例说明)
      • 9,VGG16介绍及预训练神经网络的使用
      • 10,图像定位
    • 四,数据库(SQL)
      • 0,示例模式图
      • 1,数据库系统原理
      • 2,SQL语言
      • 3,函数依赖和关系模式分解
      • 4,BC、第三和第四范式
    • 五,数据结构与演算法
      • 1,算法与算法分析
      • 2,树
      • 3,排序
      • 4,分治法(Divide-and-Conquer)
      • 5,图及其图的应用

一,数据处理

Pandas 数据处理

传送门:机器学习-Pandas 数据的前处理

  • 不定期更新


二,机器学习

强力推荐:Python之Sklearn使用教程
sklearn提供的数据集:sklearn.datasets

上课进度及练习

传送门:致理大楼 816

应用部分

生成自己的数据集

传送门:如何使用Sklearn生成自己的数据集

广义线性模型

传送门:广义线性模型 - sklearn使用说明
传送门:sklearn中的回归算法
内容预览:

  • 提取乳癌数据
    — 包含数据集与测试集的拆分
  • 线性回归
  • 岭回归
  • 逻辑回归
交叉验证:评估估算器的表现

传送门:

你可能感兴趣的:(算法,数据库,决策树,机器学习,sql)