godfanmiao / ML-Kaggle-Github-2022Links
《 Python机器学习及实践:从零开始通往Kaggle竞赛之路(2022年度版)》全书数据和开源代码
☆39Updated 2 years ago
Alternatives and similar repositories for ML-Kaggle-Github-2022
Users that are interested in ML-Kaggle-Github-2022 are comparing it to the libraries listed below
Sorting:
- 水很深的深度学习☆129Updated last year
- 各种机器学习方法在sklearn中的使用-菜菜的机器学习sklearn课堂☆95Updated 5 years ago
- 主要是在学习李航的统计学习方法和周志华的机器学习西瓜书的笔记和相关的代码实现☆31Updated 5 years ago
- 《应用时间序列分析》易丹辉、王燕著; 案例Python实现☆16Updated 5 years ago
- ☆147Updated 3 years ago
- 机器学习、深度学习一些个人认为不错的书籍。☆84Updated 2 years ago
- 本项目对中文版《动手学深度学习》中的代码进行了整理☆57Updated 4 years ago
- 高级可视化神器plotly的学习☆63Updated last year
- 天池竞赛-智慧海洋开源代码☆54Updated 5 years ago
- 机器学习预测模型,分别用逻辑回归,决策树,随机森林,神经网络,XGBOOST和支持向量机算法建模,交叉验证,并选出AUC最优的模型。特征工程优化后,AUC值达到0.8259☆55Updated 5 years ago
- 李航统计学习方法(第二版)的学习笔记,包括:1、每章重点公式的手动推导 2、每章算法的Python自实现 3、学习过程中的笔记与心得 4、每章节的课后习题 5、每周都会按照至少一周一章的进度定时将自己的学习进度更新到这个仓库☆122Updated 4 years ago
- ☆39Updated 2 years ago
- 西瓜书,sklearn源码,李航统计学,机器学习实战☆39Updated 5 years ago
- ☆45Updated 3 years ago
- 找一份机器学习工作(算法工程师),需要提纲(算法能力)挈领(编程能力),充分准备。 本人学习和在找工作期间受到了很多前辈们的帮助,目前已经找到心仪的工作,撰写此文献给那些在求职路上有梦有汗水的人们!2020秋招算法,难度剧增!没有选择,只能迎难而上。☆70Updated 4 years ago
- 机器学习中的优化算法☆18Updated 7 years ago
- 李航统计学习方法 PPT☆111Updated 8 years ago
- 慕课网上深度学习之神经网络(CNN RNN GAN)算法原理+实战练习的代码和部分数据☆40Updated 5 years ago
- 自己自学的Python基础语法与Python数据分析领域常用的三个库:numpy,pandas,matplotlib☆38Updated 7 years ago
- AI项目(强化学习、深度学习、计算机视觉、推荐系统、自然语言处理、机器导航、医学影像处理)☆89Updated last year
- 西瓜书,课后习题☆131Updated 3 years ago
- 电子书阅读地址☆15Updated last year
- 不调库,纯python实现机器学习经典算法☆40Updated 4 years ago
- 使用python语言写数据结构与算法。线性搜索 、选择排序、插入排序、栈,队列,循环队列、链表,链表实现栈,链表实现队列、递归、归并排序、快速排序、二分搜索、二分搜索树、集合 和 映射、堆、优先队列、冒泡排序、希尔排序、线段树、Trie字典树、并查集、AVL树、红黑树、哈希表…☆39Updated 2 years ago
- Machine Learning周志华西瓜书的课后练习题代码☆26Updated 8 years ago
- 数据分析学习笔记,包括numpy、pandas、matplotlib、Seaborn库学习笔记,以及数据挖掘及分析实例☆23Updated 2 years ago
- 吴恩达机器学习算法Python实现,附详细的代码注释。☆83Updated 4 years ago
- 机器学习实践:贷款违约预测☆37Updated 5 years ago
- Statistical learning methods, 统计学习方法 [李航] 值得反复读. [笔记, 代码, notebook, 参考文献, Errata, lihang]☆15Updated 6 years ago
- 本课程面对具有一定机器学习基础,但尚未入门的NLPer或经验尚浅的NLPer,尽力避免陷入繁琐枯燥的公式讲解中,力求用代码展示每个模型背后的设计思想,同时也会带大家梳理每个模块下 的技术演变,做到既知树木也知森林。☆87Updated last year