This repository contains course assignments, Jupyter notebooks, datasets, and algorithm implementations for machine learning exercises and demonstrations involved in Machine-Learning (CS60050) Course Autumn 24'.
The tree below shows the files and folders present at the repository root and a short description of each area.
Machine-Learning/
โโ README.md
โโ Assignment-1/
โ โโ A1-Notebook.ipynb
โ โโ Datasets/
โ โโ Boston_House.csv
โ โโ Pumpkin_Seeds_Dataset.csv
โ โโ Rice_Classification.csv
โ โโ Taiwan_House.csv
โโ Assignment-2/
โ โโ A2-Notebook-P1.ipynb
โ โโ A2-Notebook-P2.ipynb
โ โโ Datasets/
โ โ โโ breast-cancer.csv
โ โ โโ cardio_noise.csv
โ โ โโ cardio.csv
โ โ โโ diabetes_noise.csv
โ โ โโ diabetes.csv
โ โ โโ wine-quality.csv
โ โโ Decision Trees/
โโ Assignment-3/
โ โโ A3-P1-SVM/
โ โ โโ A3-P1-Notebook.ipynb
โ โ โโ requirements.txt
โ โโ A3-P2-K-Means/
โ โโ A3-P2-Notebook.ipynb
โ โโ requirements.txt
โโ Implementations/
โ โโ Decision Tree/
โ โ โโ Decision Tree Scratch.ipynb
โ โ โโ Decision Tree.ipynb
โ โ โโ decisiontree.py
โ โ โโ environment.yml
โ โ โโ Iris/
โ โ โโ Scratch/
โ โโ Linear Regression/
โ โ โโ 1.01. Simple linear regression.csv
โ โ โโ 1.02. Customers.csv
โ โ โโ LR1_Basic.ipynb
โ โ โโ LR2_Basic.ipynb
โ โโ Logistic Regression/
โ โ โโ Untitled.ipynb
โ โโ Support Vector Machines/
โ โโ 1-SVM-Basics.ipynb
โ โโ 2-SVM-Kernels.ipynb
Assignment-1: Notebooks and the datasets for Linear and Logistic regression AssignmentAssignment-2: Notebooks, datasets for classification/regression tasks, and a folder for Decision Trees materials.Assignment-3: Subfolders for SVM and K-Means assignment notebooks and their requirements.Implementations: Worked examples and implementations grouped by algorithm (Decision Tree, Linear Regression, Logistic Regression, SVM).