主要是一些机器学习算法
推荐阅读顺序：
- kNN （包含kNN算法、评估算法性能方法、测试数据集和训练数据集分离、分类准确度、网格搜索、超参数、数据归一化）
- LinearRegression （包含线性回归算法以及验算，主要介绍正规方程解、向量化运算、线性回归算法性能评估）
- GradientDescent （包含梯度下降法、线性回归的梯度下降法求解、梯度下降法调试）
- PCAandGradientAscent （包含 PCA 算法以及验算、降维、降噪、特征提取）
- PolynomialRegression （包含多项式回归算法、PipeLine、过拟合和欠拟合、泛化、学习曲线、交叉验证、正则化、岭回归、LASSO、L1，L2和弹性网络）
- LogisticRegression （包含逻辑回归算法、正则化、多分类）
- ClassificationPerformanceMeasures（评估分类算法优劣、混淆矩阵、精准率、召回率、ROC曲线、多分类评估）
- SupportVectorMachine （包含Hard Margin SVM、Soft Margin SVM、多项式、核函数）
- DecisionTree（决策树、信息熵、基尼系数、局限性）
- EnsembleLearningAndRandomForest（集成学习、hard/soft voting classifier、Bagging and Pasting、随机森林、Extra Trees、Boosting、Stacking）
更新已初步完成
python 代码和 jupyter note 文件，其中会在 jupyter note 内引用 python 代码
Python3.6