【资料简介】
Welcome to Machine Learning Algorithms From Scratch. This is your guide to learning the details of machine learning algorithms by implementing them from scratch in Python. You will discover how to load data, evaluate models and implement a suite of top machine learning algorithms using step-by-step
【资料截图】
【核心代码】
b47e4f22-3248-41e5-afb5-f61d6f125ff7
├── machine_learning_algorithms_from_scratch
│   ├── code
│   │   ├── chapter_01
│   │   │   ├── convert_string_to_float.py
│   │   │   ├── convert_string_to_int.py
│   │   │   ├── iris.csv
│   │   │   ├── load_csv_better.py
│   │   │   ├── load_csv.py
│   │   │   └── pima-indians-diabetes.csv
│   │   ├── chapter_02
│   │   │   ├── dataset_min_max.py
│   │   │   ├── normalize_contrived_dataset.py
│   │   │   ├── normalize_diabetes.py
│   │   │   ├── pima-indians-diabetes.csv
│   │   │   ├── standardize_contrived_dataset.py
│   │   │   ├── standardize_diabetes.py
│   │   │   └── statistics_contrived_dataset.py
│   │   ├── chapter_03
│   │   │   ├── cross_validation_split.py
│   │   │   └── split_train_test.py
│   │   ├── chapter_04
│   │   │   ├── classification_accuracy.py
│   │   │   ├── confusion_matrix_pretty.py
│   │   │   ├── confusion_matrix.py
│   │   │   ├── mean_absolute_error.py
│   │   │   └── root_mean_squared_error.py
│   │   ├── chapter_05
│   │   │   ├── random_predictions.py
│   │   │   ├── zero_rule_classification.py
│   │   │   └── zero_rule_regression.py
│   │   ├── chapter_06
│   │   │   ├── harness_cross_validation.py
│   │   │   ├── harness_train_test.py
│   │   │   └── pima-indians-diabetes.csv
│   │   ├── chapter_07
│   │   │   ├── calculate_coefficients.py
│   │   │   ├── contrived-dataset.xlsx
│   │   │   ├── covariance.py
│   │   │   ├── insurance.csv
│   │   │   ├── insurance-dataset.xlsx
│   │   │   ├── mean_and_variance.py
│   │   │   ├── simple_linear_regression_contrived.py
│   │   │   └── simple_linear_regression_insurance.py
│   │   ├── chapter_08
│   │   │   ├── coefficients.py
│   │   │   ├── contrived-dataset.xlsx
│   │   │   ├── linear_regression_wine_quality.py
│   │   │   ├── predict.py
│   │   │   └── winequality-white.csv
│   │   ├── chapter_09
│   │   │   ├── contrived-dataset.xlsx
│   │   │   ├── estimate_coefficients.py
│   │   │   ├── logistic_regression_diabetes.py
│   │   │   ├── pima-indians-diabetes.csv
│   │   │   └── predict.py
│   │   ├── chapter_10
│   │   │   ├── contrived-dataset.xlsx
│   │   │   ├── estimate_weights.py
│   │   │   ├── perceptron_predictions.py
│   │   │   ├── perceptron_sonar.py
│   │   │   └── sonar.all-data.csv
│   │   ├── chapter_11
│   │   │   ├── cart_banknote.py
│   │   │   ├── contrived_dataset.xlsx
│   │   │   ├── create_tree.py
│   │   │   ├── data_banknote_authentication.csv
│   │   │   ├── gini_split.py
│   │   │   ├── make_prediction.py
│   │   │   └── split_dataset.py
│   │   ├── chapter_12
│   │   │   ├── contrived_dataset.xlsx
│   │   │   ├── gaussian_pdf.py
│   │   │   ├── iris.csv
│   │   │   ├── naive_bayes_iris.py
│   │   │   ├── probabilities_by_class.py
│   │   │   ├── separate_by_class.py
│   │   │   ├── summarize_by_class.py
│   │   │   └── summarize_dataset.py
│   │   ├── chapter_13
│   │   │   ├── abalone.csv
│   │   │   ├── contrived-dataset.xlsx
│   │   │   ├── euclidean_distance.py
│   │   │   ├── get_neighbors.py
│   │   │   ├── knn_classification_abalone.py
│   │   │   ├── knn_regression_abalone.py
│   │   │   └── make_predictions.py
│   │   ├── chapter_14
│   │   │   ├── best_matching_unit.py
│   │   │   ├── contrived-dataset.xlsx
│   │   │   ├── euclidean_distance.py
│   │   │   ├── ionosphere.csv
│   │   │   ├── learning_rate.xlsx
│   │   │   ├── lvq_ionosphere.py
│   │   │   └── train_codebook_vectors.py
│   │   ├── chapter_15
│   │   │   ├── backpropagate_error.py
│   │   │   ├── backpropagation_seeds.py
│   │   │   ├── contrived-dataset.xlsx
│   │   │   ├── forward_propagate.py
│   │   │   ├── initialize_network.py
│   │   │   ├── predict.py
│   │   │   ├── seeds_dataset.csv
│   │   │   └── train_network.py
│   │   ├── chapter_16
│   │   │   ├── bagging_sonar.py
│   │   │   ├── sonar.all-data.csv
│   │   │   └── subsample.py
│   │   ├── chapter_17
│   │   │   ├── random_forest_sonar.py
│   │   │   └── sonar.all-data.csv
│   │   └── chapter_18
│   │   ├── sonar.all-data.csv
│   │   └── stacking_sonar.py
│   ├── machine_learning_algorithms_from_scratch.pdf
│   └── README.txt
└── __MACOSX
└── machine_learning_algorithms_from_scratch
└── code
├── chapter_01
├── chapter_02
├── chapter_03
├── chapter_04
├── chapter_05
├── chapter_06
├── chapter_07
├── chapter_08
├── chapter_09
├── chapter_10
├── chapter_11
├── chapter_12
├── chapter_13
├── chapter_14
├── chapter_15
├── chapter_16
├── chapter_17
└── chapter_18

41 directories, 95 files