10.4K ·GitHub
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。
What are similar projects?
ailearning, python-machine-learning-book, lihang-code, Statistical-Learning-Method_Code, 100-Days-Of-ML-Code, machine-learning-zoomcamp, mml-book.github.io, Complete-Python-3-Bootcamp
Which topics is it in?
svm, from-scratch, scikit-learn, classification, students, python3, examples, algorithms, course, data-science, book, artificial-intelligence