用python实现机器学习各种经典算法.zip

# MachineLearningNote 使用python实现各种机器学习算法 ### OS * Windows 10 * Ubuntu 16.04 * MaxOS 10 ### Requirements * Python 3 * requirement.txt ### Current List * [Transformer](/tree/master/Transformer) * [Self-Attention](/blob/master/Transformer/self_attention.ipynb) * [贝叶斯推断BayesianInference](/tree/master/BayesianInference) * [预聚类Canopy](/tree/master/Canopy) * [决策树DecisionTree](/tree/master/DecisionTree) * 待找出更好的实现方式，可能会参考《机器学习实战》一书的代码 * [指数平滑模型ExponentialSmoothing](/tree/master/ExponentialSmoothing) * [梯度下降GradientDescent](/tree/master/GradientDescent) * [K近邻KNN](/tree/master/KNN) * [局部加权回归LocallyWeightedLinearRegression](/tree/master/LocallyWeightedLinearRegression) * [LogisticRegression](/tree/master/LogisticRegression) * [多叉树MultiwayTree](/tree/master/MultiwayTree) * [单遍聚类SinglePass](/tree/master/SinglePass) * [BP神经网路NeuralNetwork](/tree/master/NeuralNetwork) * ```NeuralNetwork.py```待完善。 * [Adaboost](/tree/master/Adaboost) * ```adaboostMultiDimension.py```待完善，每次运行误差都为0.2，代码有bug，正在解决 * [主成分分析PCA](/tree/master/PCA) * [奇异值分解SVD](/tree/master/SVD) ### TO DO List * SVM * Random Forest * Xgboost * GBDT * LDA * SGD 免责声明： 1.本资源仅供学习和交流使用，不保证其准确性、完整性、及时性或适用性。 2.本资源仅包含一般信息，不构成专业建议。在使用本资源时，请务必自行研究并谨慎决策。 3.我已尽力确保本资源的正确性和合法性，但不对其准确性、完整性和及时性做出保证。 4.本资源不应用于商业用途。 5.在使用本资源的过程中，用户应自行承担所有风险和责任，并遵守相关法律法规。 6.对于因使用本资源而产生的任何损失或损害，我概不负责。 请确保在使用本资源时仔细阅读并遵守以上免责声明。如果您有任何疑问或需要进一步帮助，请联系我。 资源最后修改时间：2024-09-01 11:21:26