python实现常见的机器学习算法,实验中用到的数据都为mnist数据,已经转换为csv格式,上传的为数据压缩包,直接解压即可

所有的的机器学习算法都封装为一个类,都实现了数据预处理、训练和预测这三个接口,然后这些类都继承自basemodel中Model这个基类,基类主要负责加载数据和计算准确率

第二章:感知机
博客:机器学习(3)-感知机的理解与代码实现
代码:model/perceptron.py

第三章:K近邻
博客:机器学习(5)-K邻近(KNN)的理解与代码实现
代码:model/knn.py

第四章:朴素贝叶斯
博客:机器学习(2)-朴素贝叶斯的理解和代码实现
代码:model/naivebayes.py

第五章:决策树
代码: model/decision_tree.py

第六章:逻辑回归
博客:机器学习(1)-逻辑回归的理解、面试问题以及代码实现
代码:model/logistic.py

第七章:支持向量机
博客:机器学习(4)-支持向量机的理解与代码实现(上)、机器学习(4)-支持向量机的理解与代码实现(下)
代码:model/svm.py

第八章:提升方法
博客:机器学习(6)-提升方法的理解与代码实现
代码:model/adaboost.py

第九章:EM算法
博客:机器学习(7)-EM算法
代码:model/em.py

第十章:隐马尔可夫模型
博客:机器学习(8)-隐马尔可夫模型
代码:model/hmm.py