reata/MachineLearning

Machine Learning Jupyter Notebook

MachineLearning

本项目包含机器学习的Jupyter Notebook

目录

1. 监督学习（Supervised Learning）

   • 线性回归 Linear Regression
   • 逻辑回归 Logistic Regression
   • 广义线性模型 Generalized Linear Models
   • 生成学习算法 Generative Learning Algorithms
   • 支持向量机 Support Vector Machines

2. 学习理论（Learning Theory）

   • 学习理论 Learning Theory
   • 正则化和模型选择 Regularization and Model Selection
   • 应用机器学习 Advice on Applying Machine Learning

3. 非监督学习（Unsupervised Learning）

   • k均值聚类 k-Means Clustering
   • 高斯混合模型 Gaussian Mixture Models
   • EM算法 The EM Algorithm
   • 因子分析 Factor Analysis
   • 主成分分析 Principal Components Analysis
   • 独立成分分析 Independent Components Analysis

4. 强化学习（Reinforcement Learning）

   • 强化学习和控制 Reinforcement Learning and Control

参考资料

1. Andrew Ng在斯坦福大学工学院的机器学习公开课CS229
2. Scikit Learn官方文档
3. Udemy--Machine-Learning
4. 机器学习实战
5. 使用Matplotlib可视化优化算法