A public repo to demonstrate different machine learning algorithm and their applications via Jupyter notebook
This requires Docker to be installed on your machine
├───assets
├───cheatsheets
├───docs
├───jupyter
│ └───work
│ ├───Part 0 - Exploratory Data Analysis
│ │ └───Python
│ │ └───data
│ ├───Part 1 - Data Preprocessing
│ │ └───Section 2 -------------------- Part 1 - Data Preprocessing --------------------
│ │ ├───Python
│ │ └───R
│ ├───Part 10 - Model Selection _ Boosting
│ │ ├───Section 48 - Model Selection
│ │ │ ├───Python
│ │ │ └───R
│ │ └───Section 49 - XGBoost
│ │ ├───Python
│ │ └───R
│ ├───Part 2 - Regression
│ │ ├───Section 4 - Simple Linear Regression
│ │ │ ├───Python
│ │ │ └───R
│ │ ├───Section 5 - Multiple Linear Regression
│ │ │ ├───Python
│ │ │ └───R
│ │ ├───Section 6 - Polynomial Regression
│ │ │ ├───Python
│ │ │ └───R
│ │ ├───Section 7 - Support Vector Regression (SVR)
│ │ │ ├───Python
│ │ │ └───R
│ │ ├───Section 8 - Decision Tree Regression
│ │ │ ├───Python
│ │ │ └───R
│ │ └───Section 9 - Random Forest Regression
│ │ ├───Python
│ │ └───R
│ ├───Part 3 - Classification
│ │ ├───Section 14 - Logistic Regression
│ │ │ ├───Python
│ │ │ └───R
│ │ ├───Section 15 - K-Nearest Neighbors (K-NN)
│ │ │ ├───Python
│ │ │ └───R
│ │ ├───Section 16 - Support Vector Machine (SVM)
│ │ │ ├───Python
│ │ │ └───R
│ │ ├───Section 17 - Kernel SVM
│ │ │ ├───Python
│ │ │ └───R
│ │ ├───Section 18 - Naive Bayes
│ │ │ ├───Python
│ │ │ └───R
│ │ ├───Section 19 - Decision Tree Classification
│ │ │ ├───Python
│ │ │ └───R
│ │ └───Section 20 - Random Forest Classification
│ │ ├───Python
│ │ └───R
│ ├───Part 4 - Clustering
│ │ ├───Section 24 - K-Means Clustering
│ │ │ ├───Python
│ │ │ └───R
│ │ └───Section 25 - Hierarchical Clustering
│ │ ├───Python
│ │ └───R
│ ├───Part 5 - Association Rule Learning
│ │ ├───Section 28 - Apriori
│ │ │ ├───Python
│ │ │ └───R
│ │ └───Section 29 - Eclat
│ │ ├───Python
│ │ └───R
│ ├───Part 6 - Reinforcement Learning
│ │ ├───Section 32 - Upper Confidence Bound (UCB)
│ │ │ ├───Python
│ │ │ └───R
│ │ └───Section 33 - Thompson Sampling
│ │ ├───Python
│ │ └───R
│ ├───Part 7 - Natural Language Processing
│ │ └───Section 36 - Natural Language Processing
│ │ ├───Python
│ │ └───R
│ ├───Part 8 - Deep Learning
│ │ ├───Section 39 - Artificial Neural Networks (ANN)
│ │ │ ├───Python
│ │ │ └───R
│ │ └───Section 40 - Convolutional Neural Networks (CNN)
│ │ └───Python
│ └───Part 9 - Dimensionality Reduction
│ ├───Section 43 - Principal Component Analysis (PCA)
│ │ ├───Python
│ │ └───R
│ ├───Section 44 - Linear Discriminant Analysis (LDA)
│ │ ├───Python
│ │ └───R
│ └───Section 45 - Kernel PCA
│ ├───Python
│ └───R
├───referrence_docs
└───research_papers