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