课程《应用机器学习（实验）》的所有代码。记录本人实验过程。
“教材”：《机器学习实战》
欢迎参考，代码存在诸多不足，敬请指正，侵删。欢迎star、fork。
- 练习使用numpy，pandas进行糖尿病数据集和手写数字图像读取和常规操作；
- 练习使用matplotlib对糖尿病数据样本画出散点图
- 修改教材kNN程序，实现糖尿病和手写数字图像数据集的kNN分类
- 使用scikit-learn工具包，实现糖尿病和手写数字图像数据集的kNN分类
- 根据理论课给出的决策树框架修改课程中的决策树程序代码。
- 进一步修改代码实现CART决策树程序。
- 使用Titanic数据集，应用留出法、交叉验证法，用上述两种决策树程序进行训练和验证；
- 使用scikit-learn工具包，实现Titanic数据集的决策树分类，并尝试进行优化。
- 学习教材4.6、4.7节内容，调试运行相关代码。
- 查阅scikit-learn工具包中朴素贝叶斯分类器的相关说明，了解分类器函数使用方法。
- 完成作业一（朴素贝叶斯预测电脑购买）
L4-Support_Vector_Machine.ipynb
- 学习教材6.3、6.4节内容，调试运行相关代码。
- 查阅scikit-learn工具包中支持向量机的相关说明，了解分类器函数使用方法。
- 完成作业二（统计学习方法7.2）
- 复习教材第8、9章内容，调试运行相关代码。
- 查阅scikit-learn工具包中回归学习器的相关说明，了解相关函数使用方法。
- 对波士顿房价数据集进行回归分析。
L6-LogisticRegression.ipynb 提交版
- 复习教材第5章内容，调试运行相关代码。
- 基于教材随机梯度上升算法实现小批量随机梯度上升算法，以疝气病马数据集进行训练和测试，并与教材中的算法进行比较。
- 查阅scikit-learn工具包中Logistic回归学习器的相关说明，了解相关函数使用方法。
- 复习教材第七章内容，调试运行相关代码
- 查阅scikit-learn工具包中Adaboost和其他提升方法学习器的相关说明，了解相关函数使用方法。
- 完成作业三
- 查阅scikit-learn工具包中前馈神经网络学习器的相关说明，了解相关函数使用方法。
- 基于NumPy设计一个包含输入层、隐含层和多分类输出层的前馈神经网络，并以此为基础对手写数字图像进行分类实验。
adult数据集分类实验。