Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/arnaldog12/machine_learning
Estudo e implementação dos principais algoritmos de Machine Learning em Jupyter Notebooks.
https://github.com/arnaldog12/machine_learning
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
Last synced: 5 days ago
JSON representation
Estudo e implementação dos principais algoritmos de Machine Learning em Jupyter Notebooks.
- Host: GitHub
- URL: https://github.com/arnaldog12/machine_learning
- Owner: arnaldog12
- License: mit
- Created: 2017-05-17T14:29:10.000Z (over 7 years ago)
- Default Branch: master
- Last Pushed: 2022-04-27T16:26:51.000Z (over 2 years ago)
- Last Synced: 2024-12-18T15:06:30.141Z (13 days ago)
- Topics: 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
- Language: Jupyter Notebook
- Homepage:
- Size: 6.83 MB
- Stars: 219
- Watchers: 23
- Forks: 63
- Open Issues: 2
-
Metadata Files:
- Readme: README.md
- License: LICENSE
Awesome Lists containing this 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
1. Baixe ou clone o repositório.
2. Baixe e instale o [Miniconda](https://conda.io/miniconda.html). (__Windows__: marque a opção de adicionar o conda às variáveis de ambiente (_$PATH_))
3. Abra o terminal e digite os seguintes comandos para instalar o ambiente:
```sh
$ 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.
1. Abra o terminal e digite:
- __Windows__:
```sh
$ activate mpdl
```
- __Linux/Mac__:
```sh
$ source activate mpdl
```
2. Execute o Jupyter Notebook:
```sh
$ jupyter notebook
```