云01期 机器学习

/day02/课件/2.Python基础/

5.1 输入输出方式介绍(Output Format).txt

3.5 lambda表达式.txt

9.print换行打印问题.txt

2.1.Package以及数据类型1.txt

2.2（补充）import和from...import区别.txt

3.10序列解包.txt

5.2_读写文件File_IO.txt

3.1.part2-zip函数和enumerate函数.txt

8.1_图形界面GUI和猜数字游戏.txt

4.3_控制流3break_continue__pass.txt

6.1_错误与异常处理Error__Exceptions.txt

3.4_函数_Function_Part_2.txt

7.1_面向对象编程Object-Oriented.txt

2.3随机数生成的几种方式.txt

3.2_Part2_列表List函数操作.txt

3.4_函数_Function_Part_1.txt

2.2. 数据类型2.txt

3.9（补充）集合补充.txt

8.2_猜数字游戏.txt

4.1_控制流1_if__for_语句.txt

4.2_控制流2while__range语句.txt

3.7（补充）元组生成器推导.txt

3.1_数据结构列表List.txt

3.2_Part3_列表List与元组tuple的对比.txt

3.5（补充）函数中需要注意的事项.txt

3.8（补充）字典及字典推导式.txt

1.2安装Python和配置环境.txt

3.3_字典_Dictionary.txt

2.2.数据类型.txt

10.Python基础语法小程序-模拟发红包程序.txt

1.1python基础课程介绍.txt

3.6（补充）列表推导.txt

/.../3.Numpy&Pandas&Matplotlib基础/matplotlib基础/

5.图例的用法

3.2折线图

3.5饼状图

4.网格的用法

2.1 figure对象及多图绘制

1.1Matplotlib介绍

3.6箱线图

3.1散点图

3.4直方图画法

1.2入门案例

6颜色、标记、线型

2.2通过figure对象创建子图

3.3条形图

7.Matplotlib综合案例分析

3 figure方式绘制所有图示

/day05/代码/06逻辑斯特回归/LogisticRegression/

Sigmod.py

functionDemo.py

NewtonDemo.py

LR_canshu.py

LR.py

IrisDemo.py

/day02/安装文档/2.Subime/sublime-python/

1.sublime安装及调试步骤.md

2.Sublime安装PackageControl.md

4.sublime配置Python2.md

3.sublime配置python安装环境.md

pic5.jpg

pic3.jpg

pic2.jpg

pic4.jpg

pic6.jpg

pic1.jpg

/day06/代码/07感知机和神经网络/Perception/

XOR.py

IrisPerception.py

DigitsPractice.py

BpNeuralNetwork.py

BpNeuralNetwork.pyc

Perception.py

/day05/代码/05回归分析（线性回归）/Regression/

CarSailDemo.py

DeliveryDemo.py

01statics.py

RegressionDemo.py

BostonRoomPredict.py

/day02/安装文档/3.基础版本数据科学库安装/

安装numpy-mat-pandas.txt

matplotlib-2.1.0-cp36-cp36m-win_amd64.whl

pandas-0.21.0-cp36-cp36m-win_amd64.whl

numpy-1.13.3-cp36-none-win_amd64.whl

scipy-1.0.0-cp36-none-win_amd64.whl

/.../3.Numpy&Pandas&Matplotlib基础/Numpy&Pandas/

2.2matrix创建矩阵

3.1 Numpy线性代数和矩阵运算

6.Pandas的对齐运算

9.Pandas统计计算和描述

2.1补充等比数组和等差数组创建方式

3.numpy内置函数

1.Numpy（Numerical Python）

13.Scipy科学计算

8.层级索引（hierarchical indexing）选讲

4.Pandas-series

5.Pandas-DataFrame

2.ndarray 多维数组(N Dimension Array)

12.Matplotlib&Seaborn

/day05/代码/04聚类分析/KMeans/

GaussianMixture.py

zhou_Kmeans.py

silhouette_KMeans.py

ClusteringAnalysis_Kmeans.py

Digit_KMeans.py

Iris_KMeans.py

ClusteringAnalysis_MinPts.py

Medicine_KMeans.py

ClusteringAnalysis_cengci.py

/day04/代码/02决策树/

Demotree11.dot

Tantannic.py

tantanic.dot

Demotree11.png

tantanic.png

/day06/代码/06NativeBayes/

IrisDemo.py

DigitsDemo.py

/day04/代码/03Cart树和随机森林/CartTree_RandomForest/

CartTree_Regression.py

RandomForest.py

/day01/代码/01机器学习基础/

MNIST.py

/day02/安装文档/5.pycharm安装及文档/

pycharm安装及快捷键.md

pycharm-community-2016.3.1.exe

/day02/作业题/

作业：蒙特卡罗算法求解近似值.docx

Python题库.docx

/day05/资料/05线性回归补充资料/

execl操作.xlsx

回归模型的绘图.png

回归模型的绘图（回归流程）.png

/day06/资料/07感知机和神经网络算法补充内容/

感知机.png

模拟退火算法.png

神经网络图片2.png

BP神经网络算法图示1.png

神经网络图示.png

/更多课件/

损失函数.docx

图像插值理论.docx

卷积算子计算方法.docx

贝叶斯分类.pdf

KNN模型.pdf

模型评估与选择.pdf

SVM支持向量机.pdf

集成学习(Bagging&&AdaBoost)学生笔记.pdf

PCA主成分分析和SVD奇异值分解.pdf

/day01/资料/

损失函数.docx

/day01/资料/01机器学习概念补充/

分类原理.png

概念讲解.png

/day01/课件/

(机器学习概念参考)tb_cities.xls

1.机器学习基础详细笔记.pdf

R区别Python各有优劣.jpg

/day03/作业题/

作业2：卷积算子计算方法.docx

/day01/课件/1.机器学习入门及概念剖析/

1.机器学习入门简介.docx

2.机器学习入门及概念详解.pptx

/day06/课件/

6.贝叶斯分类.pdf

7.感知机和神经网络.pdf

/day04/课件/

3.CART树和随机森林.pdf

2.决策树算法.pdf

/day05/课件/

4.聚类分析.pdf

6.逻辑斯特回归.pdf

5.线性回归.pdf

/day03/课件/0.(补充)数学基础/

传智播客机器学习-高等数学基础.pptx

传智播客机器学习线代基础.pptx

传智播客机器学习概率基础.pptx

/day01/课件/0.(补充)数学基础/

传智播客机器学习-高等数学基础.pptx

传智播客机器学习线代基础.pptx

传智播客机器学习概率基础.pptx

/day02/课件/0.(补充)数学基础/

传智播客机器学习-高等数学基础.pptx

传智播客机器学习线代基础.pptx

传智播客机器学习概率基础.pptx

/day02/安装文档/2.Subime/

Sublime Text Build 3126 x64 Setup.exe

/day02/安装文档/1.python版本安装/

python-2.7.14.amd64.msi

python-3.6.0-amd64.exe

/day02/安装文档/4.Anaconda安装（参考第一天课件）/

Anaconda2-4.1.1-Windows-x86_64.exe

Anaconda3-4.2.0-Windows-x86_64.exe

Total files 162