/AAAMLP-CN

Approaching (Almost) Any Machine Learning Problem中译版,在线文档地址:https://ytzfhqs.github.io/AAAMLP-CN/

Primary LanguageJupyter Notebook

AAAMLP-CN

新特性

2023.10.25

  • 😎完成全部翻译
  • 📝计划对kaggle游乐园系列优秀解决方案代码进行解析

2023.09.07

  • ⚡修正部分已知文字错误和代码错误
  • 🤗添加在线文档

简介

Abhishek Thakur,很多 kaggler 对他都非常熟悉,2017 年,他在 Linkedin 发表了一篇名为Approaching (Almost) Any Machine Learning Problem的文章,介绍他建立的一个自动的机器学习框架,几乎可以解决任何机器学习问题,这篇文章曾火遍 Kaggle。

Abhishek 在 Kaggle 上的成就:

  • Competitions Grandmaster(17 枚金牌,世界排名第 3)
  • Kernels Expert (Kagglers 排名前 1%)
  • Discussion Grandmaster(65 枚金牌,世界排名第 2)

目前,Abhishek 在挪威 boost 公司担任首席数据科学家的职位,这是一家专门从事会话人工智能的软件公司。

本文对Approaching (Almost) Any Machine Learning Problem进行了中文翻译,由于本人水平有限,且未使用机器翻译,可能有部分言语不通顺或本土化程度不足,也请大家在阅读过程中多提供宝贵意见。另附上书籍原项目地址转载请一定标明出处!

本项目支持在线阅读,方便您随时随地进行查阅。

因为有几章内容太过基础,所以未进行翻译,详细情况请参照书籍目录:

  • 准备环境(已翻译)
  • 无监督和有监督学习(已翻译)
  • 交叉检验(已翻译)
  • 评估指标(已翻译) -
  • 组织机器学习(已翻译)
  • 处理分类变量(已翻译)
  • 特征工程(已翻译)
  • 特征选择(已翻译)
  • 超参数优化(已翻译)
  • 图像分类和分割方法(已翻译)
  • 文本分类或回归方法(已翻译)
  • 组合和堆叠方法(已翻译)
  • 可重复代码和模型方法(已翻译)

我将会把完整的翻译版 Markdown 文件上传到 GitHub,以供大家免费下载和阅读。为了最佳的阅读体验,推荐使用 PDF 格式或是在线阅读进行查看

若您在阅读过程中发现任何错误或不准确之处,非常欢迎通过提交 Issue 或 Pull Request 来协助我进行修正。

如果您觉得这个项目对您有帮助,请不吝给予 Star 或者进行关注。