Machine-Learning

项目介绍

此项目是对机器学习内容的梳理，包括例如Numpy等基础库的常用操作以及机器学习中的算法。项目整体以实战为主。

内容

• 机器学习基础
  • Numpy
  • Pandas
  • Matplotlib
  • 特征工程(Feature engineering)
• 机器学习算法
  • 线性回归(Linear Regression)
  • 逻辑回归(Logistic Regression)
  • 决策树(Decision Tree)
  • 随机森林(Random Froest)
  • 梯度提升树(GBDT)
  • XGBoost
  • LightGBM
  • 支持向量机(SVM)
  • 贝叶斯网络(Bayesian Network)
  • 马尔科夫(Markov)
  • 主题模型(Topic Model)
  • 最大期望算法(EM)
  • 聚类(Clusting)
  • K近邻算法(KNN)
• 机器学习Tips
  • 超参数调整