本篇文章为机器学习基础算法笔记和对应代码实现，其中包括KNN算法、线性回归算法、梯度下降算法、PCA与梯度上升法、多项式回归与模型泛化、逻辑回归、SVM、决策树、集成学习与随机森林等基础算法。代码实现基于jupyter notebook、numpy、matplotlib的常见函数，笔记也将持续更新，欢迎指正错误！
机器学习基础算法笔记和对应代码实现
文件列表
机器学习入门专栏笔记对应jupyter notebook以及封装的各种算法
(预估有个294文件)
Optional-01-PCA-in-3d-Data.ipynb
166KB
06-PCA-in-scikit-learn.ipynb
108KB
09-Eigenface.ipynb
575KB
08-PCA-for-Noise-Reduction.ipynb
110KB
07-Logistic-Regression-in-scikit-learn.ipynb
102KB
Optional-01-kNN-Decision-Boundary.ipynb
70KB
05-Decision-Boundary.ipynb
90KB
Optional-01-Learning-Curve-for-Decision-Tree.ipynb
146KB
05-Regression-Metrics-MSE-vs-MAE.ipynb
146KB
05-Regression-Metrics-MSE-vs-MAE-checkpoint.ipynb
83KB
暂无评论