В репозитории Machine-Learning папке Scikit-Learn лежат еще 6 папок:

1. Regression(простая регрессия), в которой находятся файлы:

   • файл Iris.csv - набор данных Iris (​https://en.wikipedia.org/wiki/Iris_flower_data_set);
   • regression.py - Пример обучения с учителем: простая регрессия;
   • визуализация набора данных.png - график визуализации данных с помощью библиотеки Seaborn;
   • простая линейная регрессия.png - результаты обучения с учителем модели методом простой регрессии, точки - исходные данные, прямая - обученная модель;

2. Classification of dataset(классификация набора данных) содержит:

   • файл Iris.csv - набор данных Iris (​https://en.wikipedia.org/wiki/Iris_flower_data_set);
   • classification of dataset.py - Пример обучения с учителем: классификация набора данных.

3. Downsizing dataset(понижение разсерности набора данных) включающая следующие файлы:

   • файл Iris.csv - набор данных Iris (​https://en.wikipedia.org/wiki/Iris_flower_data_set);
   • визуализация набора данных.png - график визуализации данных с помощью библиотеки Seaborn;
   • downsizing dataset.py - пример обучения без учителя: понижение размерности набора данных, с использованием метода k-средних;
   • проекция данных на двумерное пространство.png - график проекции набора данных.

4. Clustering(кластеризация) содержащая:

   • файл Iris.csv - набор данных Iris (​https://en.wikipedia.org/wiki/Iris_flower_data_set);
   • визуализация набора данных.png - график визуализации данных с помощью библиотеки Seaborn;
   • clustering.py - обучение без учителя: кластеризация набора данных, с использованием алгоритма кластеризации под названием смесь Гауссовых распределений;
   • кластеризация методом k-средних.png - результат кластреизации методом k-средних.

5. Анализ рукописных цифр содержит:

   • анализ рукописных цифр.py - код программы оптического распознавания рукописных цифр двумя алгоритмами обучения: понижение размерности(алгоритм обучения на безе многообразий Isomap) и классификация(Гауссова наивная байесовская модель);
   • данные рукописных цифр.png - набор переформатированных цифр встроенных в библиотеку Scikit-Learn;
   • Isomap - вложение набора данных цифр.png - график пониженных измерений(двумерных);
   • матрица различий.png - матрица различий, демонстрирующая частоты ошибочных классификаций;
   • Данные, показывающие правильные(зеленым) и ошибочные(красным).png.

6. Проверка модели:

   • файл Iris.csv - набор данных Iris (​https://en.wikipedia.org/wiki/Iris_flower_data_set);
   • отложенный набор данных(holdout sets).py - проверка качества выбранной модели способом holdout sets;
   • перекрестная проверка(cross-validation).py - проверка качества выбранной модели способом cross-validation;
   • подпапка кривые проверки:
     • Кривые проверки.py - программый код
     • Аппроксимация набора данных.PNG
     • Перекрестно проверенная оптимальная модель.PNG
   • подпапка кривые обучения: