我这里不介绍任何机器学习算法的原理,只是将《统计学习方法》中每一章的算法用我自己的方式实现一遍。 除了李航书上的算法外,还实现了一些其他机器学习的算法。
[李航《统计学习方法》第二章——用Python实现感知器模型(MNIST数据集)]
代码:perceptron/binary_perceptron.py
[李航《统计学习方法》第三章——用Python实现KNN算法(MNIST数据集)]
代码:knn/knn.py
[李航《统计学习方法》第四章——用Python实现朴素贝叶斯分类器(MNIST数据集)]
代码:naive_bayes/naive_bayes.py
[李航《统计学习方法》第五章——用Python实现决策树(MNIST数据集)]
代码:decision_tree/decision_tree.py
[李航《统计学习方法》第六章——用Python实现逻辑斯谛回归(MNIST数据集)]
代码:logistic_regression/logistic_regression.py
[李航《统计学习方法》第六章——用Python实现最大熵模型(MNIST数据集)]
代码:maxENT/maxENT.py
[李航《统计学习方法》第七章——用Python实现支持向量机模型(伪造数据集)]
代码:svm/svm.py
[李航《统计学习方法》第八章——用Python+Cpp实现AdaBoost算法(MNIST数据集)]
纯Python代码:AdaBoost/adaboost.py
Python C++代码:AdaBoost/adaboost_cpp.py,AdaBoost/Sign/Sign/sign.h,AdaBoost/Sign/Sign/sign.cpp
[李航《统计学习方法》第十章——用Python实现隐马尔科夫模型]
代码:hmm/hmm.py
[python 实现 softmax分类器(MNIST数据集)]
代码:softmax/softmax.py