机器学习基础知识
该存储库包含基本机器学习算法的实现（Python版本3.6+）。所有算法都是从头开始实现的，而无需使用其他机器学习库。这些笔记本的目的是提供对算法及其基础结构的基本理解，而不是提供最有效的实现。
- 贝叶斯线性回归
- 分类的决策树
- 回归决策树
- k-nearest-nighbor
- K-均值聚类
- 线性回归
- 逻辑回归
- 多项式逻辑回归
- 感知者
- 主成分分析
- 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
经过多次请求，我开始准备有关如何预处理数据集进行机器学习的笔记本。在接下来的几个月内，我将为每种数据集添加一个笔记本（文本，图像，…）。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理解，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，而无需克隆存储库或安装jupyter：。
注意：这对data_preprocessing.ipynb和image_preprocessing.ipynb笔记本本不起作用，因为它们需要先下载数据集。
反馈
如果您有一个应该包含或在其中一个笔记本中发现错误或发现错误的算法，请通过创建新问题让我知道。
执照
有关许可权和限制（MIT），请参见许可证文件。
