JWarmenhoven/ISLR-python
ISLR Python
هذا المشروع عبارة عن مورد تعليمي لتعلم الآلة يتكون من تطبيقات Python لنماذج التعلم الإحصائي وأمثلة لتحليل البيانات من كتاب دراسي أساسي. يعمل كمكتبة للنمذجة الإحصائية توفر الكود اللازم لتنفيذ الانحدار الخطي، والتصنيف، وتقنيات التعلم غير الخاضع للإشراف لتحليل البيانات الأكاديمية.
تم هيكلة المستودع كتنفيذ قائم على المراجع، مع تخطيط مجلدات يعكس تسلسل الفصول والأقسام للمنشور الأكاديمي المرتبط. يتضمن مجموعة من النصوص البرمجية ودفاتر الملاحظات المصممة لإنشاء الرسوم البيانية والأشكال الأكاديمية لتصور النتائج الإحصائية.
تغطي قاعدة الكود مجموعة واسعة من مجالات التعلم الإحصائي، بما في ذلك ممارسة التعلم الخاضع للإشراف للنمذجة التنبؤية والتعلم غير الخاضع للإشراف لاكتشاف الأنماط في البيانات. تُستخدم هذه التطبيقات لإعادة إنشاء الأشكال الإحصائية المحددة، وجداول الملخص، ونتائج النماذج الموجودة في النص المرجعي.
Features
- Statistical Learning Implementations - Implements statistical learning algorithms including linear regression and classification using Python.
- Statistical Analysis Libraries - Implements a comprehensive set of statistical and probabilistic analysis tools for academic data analysis and model reproduction.
- Reference Implementations - Serves as a reference implementation mirroring the structure of a specific academic publication.
- Machine Learning Education - Teaches fundamental statistical learning concepts through textbook implementation exercises.
- Implementation Examples - Provides Python scripts that implement linear regression and classification models to demonstrate supervised learning techniques.
- Textbook-Mapped Organization - Organizes source files to mirror the chapter and section hierarchy of an academic textbook.
- Unsupervised Learning Algorithms - Implements unsupervised learning algorithms for clustering and dimensionality reduction.
- Predictive Modeling - Builds predictive models for regression and classification to prototype statistical learning algorithms.
- Supervised Learning Tutorials - Provides tutorials and implementations of supervised learning workflows for regression and classification.
- Matplotlib - Uses Matplotlib's API to generate static plots and figures for statistical results.
- Coordinate-Based Plotting - Implements coordinate-based plotting to generate static academic figures from statistical data.
- Figure Recreation - Executes code to exactly reproduce visual results and tables from academic texts.
- Numerical Libraries - Delegates heavy mathematical computations to optimized external numerical libraries.
- Statistical Data Visualizations - Provides statistical data visualizations to analyze patterns and results from literature.
- Practical Learning Resources - Python implementations of statistical learning methods.
