- 实现机器学习算法,使用numpy,力图清晰易懂
- 更多AI相关内容可参考我的主目录AIprojects
- 也可以参考我的知乎专栏从零开始的机器学习笔记
- 所有代码会分三步展示:
1.展示如何在sklearn中使用该算法
2.展示算法的一般使用过程
3.将算法封装成一个class,实现和sklearn一模一样的接口,让你有种在写库的感觉(逃)
关于KNN的实现过程可以参考我的知乎文章最简单的机器学习算法KNN(附代码手写)
更多KNN代码可参考对应文件夹KNN最近邻
对线性回归的直观理解可参考我的知乎文章为什么线性回归也是神经网络
对一元线性回归参数求解的推导过程可以参考我的知乎文章一元线性回归
多元线性回归的解释可参考我的知乎文章多元线性回归
线性回归的代码实现可参考对应文件夹LinearRegression线性回归
梯度下降的讲解可以参考我的知乎文章梯度下降算法(附代码实现)
具体实现代码可参考对应文件夹GradientDescent梯度下降
逻辑回归的讲解可参考我的知乎文章LogisticRegression逻辑回归(附代码实现)
逻辑回归的具体代码实现可参考对应文件夹LogisticRegression逻辑回归
PCA的具体代码实现可参考对应文件夹PCA主成分分析
决策树的具体代码实现可参考对应文件夹DecisionTree决策树
决策树的讲解可参考我的知乎文章决策树DecisionTree(附代码实现)
K-Means算法的具体实现代码可参考对应文件夹K-Means聚类
NaiveBayes算法的具体实现可参考对应文件夹NaiveBayes朴素贝叶斯
待续。。。
本项目的最终会实现一个微型机器学习框架,仿制sklearn的接口,实现部分sklearn实现的算法
具体实现代码在这tinysklearn
已上传到pypi,可做为第三方库直接下载pypi地址