文件名称：MachineLearning:我之前实现的一些机器学习算法
文件大小：672KB
文件格式：ZIP
更新时间：2024-07-04 06:44:24
Python
这些是我为学校作业或实验实现的一些基本机器学习算法。 希望这可以帮助对 R/Python 编程和 ML 感兴趣的初学者。 注意：所有代码都没有优化！ 当前型号： 协同过滤 (R) 矩阵分解 (java) 线性回归（python） 逻辑回归（python，R） 朴素贝叶斯（Python） 使用 SMO 方法添加 SVM (pyhton) 高斯混合模型（python，PyMC） 去做： 支持向量机的内核 用于线性的 GLMNET
【文件预览】：
MachineLearning-master
----Logistic Regression()
--------Python()
--------R()
----naiveBayes()
--------data.mat(588KB)
--------Naivebayes.py(2KB)
----Linear Regression()
--------LinearRegression.py(3KB)
--------linearRegressionTest.py(1KB)
--------input.csv(42KB)
----Matrix Factorization()
--------mf_train()
----knn()
--------knn.py(2KB)
----nnet()
--------nnet.py(6KB)
----mixture_model()
--------gmm.py(2KB)
--------gmm_example.py(984B)
--------__init__.py(0B)
----SVM()
--------SVM()
----tree()
--------rf.py(2KB)
--------dtree.py(9KB)
----.gitignore(23B)
----kmeans()
--------kmeans.py(4KB)
----README.md(516B)
----CF()
--------pearson_iuf_sim.R(1KB)
--------pearson_sim.R(1KB)
--------pearson_dv_sim.R(2KB)
--------cos_sim.R(923B)
--------cos_iuf_sim.R(1KB)
--------pred.R(1KB)
--------data_load.R(2KB)
--------cf.R(4KB)