【文件属性】：
文件名称：基本机器学习算法的纯Python实现-Python开发
文件大小：4.59MB
文件格式：ZIP
更新时间：2021-05-25 12:20:38
Python Deep Learning
机器学习基础知识该存储库包含使用普通Python（Python版本3.6+）的基本机器学习算法的实现。
所有算法都是从头开始实现的，无需使用其他机器学习方法。机器学习基础知识该存储库包含使用纯Python（Python版本3.6+）的基本机器学习算法的实现。
所有算法都是从头开始实现的，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底层结构的基本了解，而不是提供最有效的实现。
线性回归Logistic回归感知器k最近邻k均值聚类Simp
【文件预览】：
machine_learning_basics-master
----decision_tree_regression.ipynb(82KB)
----README.md(2KB)
----kmeans.ipynb(173KB)
----k_nearest_neighbour.ipynb(19KB)
----decision_tree_classification.ipynb(20KB)
----softmax_regression.ipynb(97KB)
----LICENSE(1KB)
----data_preprocessing.ipynb(119KB)
----support_vector_machines.ipynb(136KB)
----image_preprocessing.ipynb(3.2MB)
----figures()
--------dual_optimization_problem.png(23KB)
--------gradient_vs_subgradient.png(62KB)
--------separating_hyperplanes.png(80KB)
--------regression_tree.png(16KB)
--------softmax_regression.jpg(44KB)
--------decision_tree_predictions.png(36KB)
--------hinge_loss.png(17KB)
--------maximum_margin_derivation.png(28KB)
--------linear_regression.jpg(23KB)
--------example_straight_lines.png(48KB)
--------delimiting_hyperplanes.png(41KB)
--------image_preprocessing.png(311KB)
--------decision_tree.png(23KB)
--------perceptron_hyperplane.png(31KB)
--------primal_optimization_problem.png(13KB)
--------preprocessing.png(8KB)
--------feature_mapping_illustration.png(59KB)
--------density_plot.png(430KB)
--------logistic_regression.jpg(28KB)
--------neural_net.png(24KB)
----requirements.txt(72B)
----bayesian_linear_regression.ipynb(240KB)
----linear_regression.ipynb(92KB)
----logistic_regression.ipynb(80KB)
----simple_neural_net.ipynb(265KB)
----perceptron.ipynb(104KB)