machine_learning_basics

機器學習基礎知識

此儲存庫包含以普通 Python（Python 版本 3.6+）實現的基本機器學習演算法。所有演算法都是從頭開始實現的，無需使用額外的機器學習庫。這些筆記本的目的是提供對演算法及其底層結構的基本理解，而不是提供最有效的實作。

• 貝葉斯線性迴歸
• 分類決策樹
• 回歸決策樹
• k-最近鄰
• k-均值聚類
• 線性迴歸
• 邏輯迴歸
• 多項式Loistic回歸
• 感知器
• 主成分分析
• 具有一個隱藏層的簡單神經網絡
• Softmax回歸
• 支援向量機

資料預處理

經過幾次請求，我開始準備有關如何預處理機器學習資料集的筆記本。在接下來的幾個月內，我將為每種資料集（文字、圖像等）添加一本筆記本。和以前一樣，這些筆記本的目的是提供對預處理步驟的基本了解，而不是提供最有效的實作。

• 影像預處理
• 預處理數值/分類資料集

現場演示

在線運行筆記本，無需克隆存儲庫或安裝 jupyter：。

注意：這不適用於data_preprocessing.ipynb和image_preprocessing.ipynb筆記本，因為它們需要先下載資料集。

回饋

如果您有最喜歡的演算法應該包含在內或在其中一個筆記本中發現錯誤，請透過建立新問題讓我知道。

執照

有關許可權利和限制 (MIT)，請參閱 LICENSE 文件。