machine_learning_basics

机器学习基础知识

该存储库包含用普通 Python（Python 版本 3.6+）实现的基本机器学习算法。所有算法都是从头开始实现的，无需使用额外的机器学习库。这些笔记本的目的是提供对算法及其底层结构的基本理解，而不是提供最有效的实现。

• 贝叶斯线性回归
• 分类决策树
• 回归决策树
• k-最近邻
• k-均值聚类
• 线性回归
• 逻辑回归
• 多项式Lo​​gistic回归
• 感知器
• 主成分分析
• 具有一个隐藏层的简单神经网络
• Softmax回归
• 支持向量机

数据预处理

经过几次请求，我开始准备有关如何预处理机器学习数据集的笔记本。在接下来的几个月内，我将为每种数据集（文本、图像等）添加一个笔记本。和以前一样，这些笔记本的目的是提供对预处理步骤的基本了解，而不是提供最有效的实现。

• 图像预处理
• 预处理数值/分类数据集

现场演示

在线运行笔记本，无需克隆存储库或安装 jupyter：。

注意：这不适用于data_preprocessing.ipynb和image_preprocessing.ipynb笔记本，因为它们需要先下载数据集。

反馈

如果您有最喜欢的算法应该包含在内或在其中一个笔记本中发现错误，请通过创建新问题让我知道。

执照

有关许可权利和限制 (MIT)，请参阅 LICENSE 文件。