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