Arnaldog12 Machine Learning Save
Estudo e implementação dos principais algoritmos de Machine Learning em Jupyter Notebooks.
Project README
Introdução
Esse repositório foi criado com a intenção de difundir o ensino de Machine Learning em português.
Algoritmos Implementados
| Classificação | Regressão | Clusterização | Redução de Dimensionalidade |
|---|---|---|---|
| 🌿 Adaboost | 📈 Linear | 🔠 K-Means | 🌹 PCA |
| 🌳 Decision Trees | 🔱 Multivariada | 🔠↖️ MeanShift | 🌻 LDA |
| 🏠🏠 K-NN | 📊 Polinomial | ||
| 🎲 Naive Bayes | |||
| 💲 Regressão Logística | |||
| 🧠 Redes Neurais | 🧠 Redes Neurais |
E ainda temos um notebook só com métodos de Seleção de Atributos:
| Métodos de Filtragem (Filter Methods) |
Métodos de Empacotamento (Wrapper Methods) |
Métodos Embarcados (Embedded Methods) |
|---|---|---|
| 📈 📉 Correlação de Pearson | 🏆 Stability Selection | 📈 Regressão Linear |
| 📝 :left_right_arrow:📝 Mutual Information | 🔁 Eliminação Recursiva | 1️⃣ Regularização L1 (Lasso) |
| 💯 Maximal Information Coefficient | ⭐️ Boruta | 2️⃣ Regularização L2 (Ridge) |
| ⬇️ 💩 Mean Decrease Impurity | ||
| ⬇️ 🎯 Mean Decrease Accuracy |
Instalação
- Baixe ou clone o repositório.
- Baixe e instale o Miniconda. (Windows: marque a opção de adicionar o conda às variáveis de ambiente ($PATH))
- Abra o terminal e digite os seguintes comandos para instalar o ambiente:
$ conda config --add channels bioconda $ conda create -n ml python=3.5.3 numpy=1.12.1 pandas=0.20.1 matplotlib=2.0.2 scikit-learn=0.20.0 seaborn=0.7.1 jupyter=1.0.0 pydotplus==2.0.2
Uso do ambiente
Nota: É obrigatório seguir as ordens da seção "Instalação" antes de utilizar o ambiente.
Siga os passos abaixo sempre que quiser executar os códigos desse repositório.
- Abra o terminal e digite:
- Windows:
$ activate mpdl- Linux/Mac:
$ source activate mpdl - Execute o Jupyter Notebook:
$ jupyter notebook
Open Source Agenda is not affiliated with "Arnaldog12 Machine Learning" Project. README Source: arnaldog12/Machine_Learning
Stars
211
Open Issues
2
Last Commit
2 years ago
Repository
License
Tags
Adaboost
Decision Trees
Feature Selection
Kmeans
Knn
Linear Discriminant Analysis
Linear Regression
Logistic Regression
Machine Learning
Machine Learning Algorithms
Multilinear Regression
Naive Bayes
Neural Network
Polynomial Regression
Principal Component Analysis
Python
Redes Neurais Artificiais
Regression
Open Source Agenda Badge
