Machine-Learning

常见的机器学习模型，包括逻辑回归，支持向量机，朴素贝叶斯等算法 详细导引

监督学习

• SVM
  
  这部分写了基于python的SVM的实现代码，包含详细的注释。具体的推导过程见 : 我的博文 : 一小时领会SVM支持向量机
  
  
• Naive Bayes
  
  这部分写了基于python的朴素贝叶斯的实现代码，包含详细的注释。详细介绍见 : 我的博文 : 朴素贝叶斯的推理学习算法
  
  
• kNN
  
  基于python的kNN算法的代码实现。详细介绍见 : 我的博文 : KNN算法思想与应用例子
  
  
• trees
  
  基于python的ID3算法决策树的代码实现。详细介绍见 : 我的博文 : 决策树算法基础 : ID3与C4.5
  
  
• Logistics regressions
  
  基于python的逻辑回归算法代码实现。详细推导方式见 : [我的博文 : 弱分类器的强势体：逻辑回归算法与推导]
  
  
• Line regressions
  
  基于python的线性回归算法的代码实现。
  
  
• AdaBoost
  
  这部分写了基于python的AdaBoost模型基于决策树的代码实现，包含详细的注释。
  
  

非监督学习

• Apriori
  
  这部分写了基于python的关联法则Apriori的代码实现，包含详细的注释，详细介绍见 : 我的博文 : Apriori算法进行数据关联分析。
  
  
• FP-growth
  
  这部分写了基于python的FP-growth优化关联的代码实现。
  
  
• K-Means
  
  基于python的K均值代码实现。

###数据处理与规整化

• PCA
  
  基于python的PCA算法代码实现。
  
  
• SVD
  
  基于python的SVD协同过滤的代码实现，详细介绍见 : 我的博文 : 通过SVD对推荐系统的优化