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
📝 ↔📝 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
```

Machine Learning

Machine Learning

Introdução

Algoritmos Implementados

Instalação

Uso do ambiente

annotated_research_papers

Teaching Data Science

machine_learning_complete

PixPlot

TF-2.0-Hacks