Machine-Learning README

The project's README from github.com/Jack-Cherish/Machine-Learning. As one markdown file: README.md.

Machine-Learning

原创文章每周最少两篇,后续最新文章会在【公众号】首发,视频【B站】首发,大家可以加我【微信】进交流群,技术交流或提意见都可以,欢迎Star!

微信群 公众号 B站 知乎 CSDN 头条 掘金

文章首发声明

第二章:kNN(k-邻域算法)

文章 个人网站 CSDN 知乎
Python3《机器学习实战》学习笔记(一):k-近邻算法(史诗级干货长文) 个人网站 CSDN 知乎

代码

第三章:Decision Tree(决策树)

文章 个人网站 CSDN 知乎
Python3《机器学习实战》学习笔记(二):决策树基础篇之让我们从相亲说起 个人网站 CSDN 知乎
Python3《机器学习实战》学习笔记(三):决策树实战篇之为自己配个隐形眼镜 个人网站 CSDN 知乎

代码

第四章:Navie Bayes(朴素贝叶斯)

文章 个人网站 CSDN 知乎
Python3《机器学习实战》学习笔记(四):朴素贝叶斯基础篇之言论过滤器 个人网站 CSDN 知乎
Python3《机器学习实战》学习笔记(五):朴素贝叶斯实战篇之新浪新闻分类 个人网站 CSDN 知乎

代码

第五章:Logistic(Logistic回归)

文章 个人网站 CSDN 知乎
Python3《机器学习实战》学习笔记(六):Logistic回归基础篇之梯度上升算法 个人网站 CSDN 知乎
Python3《机器学习实战》学习笔记(七):Logistic回归实战篇之预测病马死亡率 个人网站 CSDN 知乎

代码

第六章:SVM(支持向量机)

文章 个人网站 CSDN 知乎
Python3《机器学习实战》学习笔记(八):支持向量机原理篇之手撕线性SVM 个人网站 CSDN 知乎
Python3《机器学习实战》学习笔记(九):支持向量机实战篇之再撕非线性SVM 个人网站 CSDN 知乎

代码

第七章:AdaBoost

文章 个人网站 CSDN 知乎
Python3《机器学习实战》学习笔记(十):提升分类器性能利器-AdaBoost 个人网站 CSDN 知乎

代码

第八章:Regression

文章 个人网站 CSDN 知乎
Python3《机器学习实战》学习笔记(十一):线性回归基础篇之预测鲍鱼年龄 个人网站 CSDN 知乎
Python3《机器学习实战》学习笔记(十二):线性回归提高篇之乐高玩具套件二手价预测 个人网站 no no

代码

第九章:Regression Tree

文章 个人网站 CSDN 知乎
Python3《机器学习实战》学习笔记(十三):树回归基础篇之CART算法与树剪枝 个人网站 no no

代码

聚类

文章 个人网站 公众号
嘿,来聚个类! 个人网站 公众号

更多精彩,敬请期待!

wechat

Machine-Learning (Jack-Cherish/Machine-Learning)

Searching Database…

这是什么?一个中文教程项目,按照《机器学习实战》(Machine Learning in Action)一书中的练习,用 Python3 实现经典机器学习算法——kNN、决策树、朴素贝叶斯、逻辑回归、SVM、回归、回归树和 AdaBoost——并配有讲解每章的博客文章。
这是可安装的 Python 包还是只是示例脚本?它不是可通过 pip 安装的库——而是每章一个文件夹的独立 Python3 脚本合集,附带配套的博客文章,供你逐个阅读和运行。
代码怎么运行?克隆仓库,用 python3 直接运行你想要的算法脚本(例如各自文件夹中的 kNN、决策树、SVM 或 AdaBoost 脚本);没有构建步骤,也没有需要安装的包。
需要安装 scikit-learn 或其他机器学习库吗?大多数算法用纯 Python/NumPy 从零实现,但少数章节(如 SVM 数字识别示例和 AdaBoost 对比)也展示了用 scikit-learn 解决相同任务的方法。
这个项目还在活跃维护吗?该仓库与 2017 年讲解《机器学习实战》各章的博客系列绑定;最后的聚类部分标注着“更多精彩内容即将推出”,表明项目在 AdaBoost/回归/回归树之后并未继续扩展。
涵盖哪些算法?kNN、决策树、朴素贝叶斯、逻辑回归、SVM(简化版和完整 SMO,以及核 SVM)、AdaBoost、线性回归和 CART 回归树——每个算法都配有实例,如约会分类、隐形眼镜处方、垃圾邮件过滤、马疝病死亡率预测和二手乐高价格预测。
在哪里可以找到每章的文字讲解?每章都链接到作者个人网站、CSDN 和知乎上的对应文章,Bilibili 上有配套视频,更新通过作者的微信公众号发布。
它是基于某本书的吗?是的,它按照《机器学习实战》(Machine Learning in Action)中的练习,用 Python3 重新实现,而不是沿用书中原有的 Python2 代码。
Size
1.1 MB
Stars
10.4K
Updated
CommitJul 07
Age
9y
Commits · 90 Days