对目前主流的机器学习算法进行公式推导、问题分析以及代码实现(主要基于numpy),持续更新(下面链接如果加载不出来,对应内容可在notebooks文件夹下找到):
01_线性模型_线性回归
01_线性模型_线性回归_正则化(Lasso,Ridge,ElasticNet)
02_线性模型_逻辑回归
03_二分类转多分类的一般实现
04_线性模型_感知机
05_线性模型_最大熵模型
06_优化_拟牛顿法实现(DFP,BFGS)
07_01_svm_硬间隔支持向量机与SMO
07_02_svm_软间隔支持向量机
07_03_svm_核函数与非线性支持向量机
08_代价敏感学习_添加sample_weight支持
09_01_决策树_ID3与C4.5
09_02_决策树_CART
10_01_集成学习_简介
10_02_集成学习_boosting_adaboost_classifier
10_03_集成学习_boosting_adaboost_regressor
10_04_集成学习_boosting_提升树
10_05_集成学习_boosting_gbm_