该项目是我个人在学习ML基础过程中,操纵实践基础算法的整理合集,每一个小项目中,都有最新的,基于Python3.6实践相应算法到数据上的代码。理论内容几乎协同《统计学习方法》,算法实战同时有着几乎最详尽的注释。所有都是在我学习每个算法基础理论推导后,调用第三方库函数和相关算法框架,实现相关基于机器学习的算法实战内容,查看实现效果。具体每个小项目中有Readme说明。欢迎了解和完善。
| 名称 | 简介 |
|---|---|
| 1.Python Foundation | Python基础要点回顾 |
| 2.Management Foundation | 机器学习基础操作要点 |
| 3.Regression | 回归算法实战 |
| 4.Decision Tree & Random Forest | 决策树&随机森林算法实战 |
| 5.Boost | Boost算法实战 |
| 6.SVM | SVM支撑向量机实战 |
| 7.Cluster | 聚类算法实战 |
| 8.EM Model | EM算法实战 |
| 9.Bayes Network | 贝叶斯网络实战 |
| 10.LDA Topic Model | LDA主题模型实战 |
| 11.HMM | HMM隐马尔可夫模型实战 |