Python 机器学习算法学习代码
进度如下：
机器学习
├─第1章 预备章节
│ 1-1.机器学习背景知识介绍.md
│ 1-2.Python安装与机器学习基础概念.md
│
├─第2章 线性回归以及非线性回归
│ 2-1.一元线性回归.md
│ 2-2.代价函数.md
│ 2-3.梯度下降法.md
│ 2-4.（实战）梯度下降法-一元线性回归.md
│ 2-5.（实战）梯度下降法-sklearn版本.md
│ 2-6.线性代数复习.md
│ 2-7.多元线性回归.md
│ 2-8.（实战）梯度下降法-多元线性回归.md
│ 2-9.（实战）sklearn-多元线性回归.md
│ 2-10.（实战）sklearn-多项式回归.md
│ 2-11.标准方程法.md
│ 2-13.特征缩放和交叉验证.md
│ 2-14.过拟合和正则化.md
│ 2-15.岭回归Ridge.md
│ 2-16.（实战）sklearn-岭回归.md
│ 2-18.LASSO.md
│ 2-19.（实战）sklearn-LASSO.md
│ 2-20.（实战）sklearn-弹性网.md
│
├─第3章 逻辑回归
│ 3.1 逻辑回归.md
│ 3.2 正确率，召回率，F1指标.md
│ 3.3 （实战）梯度下降-逻辑回归.md
│ 3.4 （实战）sklearn-逻辑回归.md
│ 3.5 （实战）梯度下降法-非线性逻辑回归.md
│ 3.6 （实战）sklearn-非线性逻辑回归.md
│
├─第4章 神经网络
│ 4-1 神经网络背景概述.md
│ 4-2 单层感知器介绍.md
│ 4-3 单层感知器程序.md
│ 4-4 （实战）单层感知器-异或问题.md
│ 4-5 线性神经网络和Dleta学习规则.md
│ 4-6 （实战）线性神经网络解决异或问题-梯度下降法.md
│ 4-7 BP神经网络介绍.md
│ 4-8 BP算法推导.md
│ 4-9 （实战）BP神经网络-异或问题(1).md
│ 4-10 深入理解BP神经网络（论文讲解）.md
│ 4-11 Google神经网络演示平台介绍.md
│
├─第5章 KNN算法
│ 5-1 KNN算法介绍.md
│ 5-2 （实战）KNN算法实现.md
│ 5-3 （实战）使用KNN完成iris数据集分类.md
│ 5-4 （实战）sklearn-KNN-lris.md
│
├─第6章 决策树
│ 6-1 决策树-信息熵,ID3,C4.5算法介绍.md
│ 6-2 （实战）决策树-ID3例子.md
│ 6-3 （实战）决策树-画图.md
│ 6-4 决策树-CART算法.md
│ 6-5 （实战）决策树-CART算法.md
│ 6-6 （实战）决策树-线性二分类.md
│ 6-7 （实战）决策树-非线性二分类.md
│
├─第7章 集成学习
│ 7-1 （实战）Bagging.md
│ 7-2 （实战）随机森林RF.md
│ 7-3 （实战）Adaboost.md
│ 7-4 （实战）Stacking和Voting.md
│ 7-5 Kaggle介绍，数据分析.md
│
├─第8章 贝叶斯算法
│ 8-1 贝叶斯算法背景.md
│ 8-2 贝叶斯算法介绍.md
│ 8-3 （实战）贝叶斯-iris数据集.md
│ 8-4 （实战）词袋模型介绍.md
│ 8-5 （实战）TF-IDF算法介绍.md
│
├─第9章 聚类算法
│ 9-1 K-MEANS算法介绍.md
│ 9-2 （实战）python-K-MEANS算法.md
│ 9-3 （实战）sklearn-KMEANS.md
│ 9-4 （实战）sklearn-Mini-Batch-K-Means.md
│ 9-5 K-Means算法存在的4个问题.md
│ 9-6 （实战）K-Means代价函数的应用.md
│ 9-7 （实战）K-Means肘部法则.md
│ 9-8 K-Means算法可视化.md
│ 9-9 DBSCAN算法.md
│ 9-11（实战）sklearn-DBSCAN算法.md
├─第10章 主成分分析PCA
│ 10-1 PCA算法讲解.md
│ 10-2 （实战）python实现PCA降维.md
│
└─第11章 支持向量机SVM
11-1 SVM简介.md
11-2 （实战）SVM简单例子.md
11-4 松弛变量与惩罚函数.md
11-6 （实战）SVM低维映射到高维.md
11-7 核函数.md
11-8 （实践）SVM-线性分类.md
11-9 （实践）SVM-非线性分类.md
Junior studied to end at 2019-04-22