KangCai / Machine-Learning-Algorithm
【Numpy 手写实现】SVM 支持向量机 | KNN K近邻 | Kmeans | Logistic Regression 逻辑回归 | Maximum Entropy 最大熵 | Naive Bayes 朴素贝叶斯 | Perception 感知机 | Decision Tree 决策树 | Random Forest 随机森林 | DBDT | GDA 高斯判别分析 | PCA 主成分分析 | LDA 线性判别分析
☆204Updated 4 years ago
Related projects ⓘ
Alternatives and complementary repositories for Machine-Learning-Algorithm
- 集成学习Stacking方法详解☆65Updated 5 years ago
- Python实现经典分类回归、关联分析、聚类以及推荐算法等☆205Updated 5 years ago
- python实现的随机森林☆88Updated 2 years ago
- 利用sklearn实现机器学习算法：线性回归、逻辑回归、决策树、随机森林、SVM等☆132Updated 4 years ago
- 一些机器学习算法的demo。普通最小二乘法，决策树（Iris鸢尾花数据集），KNN（mnist手写数字数据集），朴素贝叶斯分类西瓜数据集，trec06c数据集垃圾邮件分类（spam），逻辑斯蒂回归，随机梯度下降SGD与全梯度下降的对比，mnist中8和9的二分类，泰坦尼克号…☆169Updated 6 years ago
- Sklearn机器学习中的主要算法原理以及实现(线性回归、逻辑回归、朴素贝叶斯、K-Means聚类、KNN、PCA主成分分析、BP神经网络)☆79Updated 4 years ago
- 记录小润了解的各种机器学习算法的实现以及基础概念，包括有监督学习，无监督学习，分类，聚类，回归；神经元模型，多层感知器，BP算法；损失函数，激活函数，梯度下降法；全连接网络、卷积神经网络、递归神经网络；训练集，测试集，交叉验证，欠拟合，过拟合；数据规范化等☆149Updated 8 years ago
- 基于遗传算法的特征选择☆124Updated 4 years ago
- Python 基于BP神经网络实现鸢尾花的分类☆321Updated 4 years ago
- 统计分析课程实验作业/包含《统计分析方法》中因子分析，主成分分析，Kmeans聚类等典型算法的手写实现☆75Updated 4 years ago
- 机器学习(Machine Learning, ML)python简洁实现，包括混合高斯模型，KMeans，决策树，随机森林，K近邻，线性判别分析，逻辑斯蒂回归（梯度下降法，牛顿法），多层感知机（分类+回归），Naive Bayes（离散+高斯），多分类SVM，线性回归，隐马…☆126Updated 3 years ago
- 基于kaggle上Titanic数据集实现的ID3、C4.5、CART和CART剪枝算法☆39Updated 5 years ago
- 包括决策树和随机森林进行离职人员预测，Xgboost和lightGBM的应用☆276Updated 4 years ago
- 用Python实现SVM多分类器☆375Updated 6 months ago
- 通过阅读网上的资料代码，进行自我加工，努力实现常用的机器学习算法。实现算法有KNN、Kmeans、EM、Perceptron、决策树、逻辑回归、svm、adaboost、朴素贝叶斯☆721Updated 5 years ago
- 使用pyhton3语言对机器学习算法中的K近邻算法、线性回归、多项式回归、逻辑回归、PCA、SVM、决策树、随机森林、集成学习、boosting 等进行了算法的实现以及实验分析☆40Updated 5 years ago
- 模型优化调参---网格搜索（五折交叉验证）☆11Updated 5 years ago
- 西瓜书，课后习题☆129Updated 3 years ago
- 数据特征工程、各种机器学习回归模型、回归数据预处理☆38Updated 4 years ago
- Data Analysis and Mining(数据分析与挖掘)☆300Updated 3 years ago
- 机器学习集成模型之Stacking各类模型及工具源码☆109Updated 4 years ago
- 阿里天池与Datawhale联合举办二手车价格预测比赛：优胜奖方案代码总结☆102Updated last year
- 机器学习预测模型，分别用逻辑回归，决策树，随机森林，神经网络，XGBOOST和支持向量机算法建模，交叉验证，并选出AUC最优的模型。特征工程优化后，AUC值达到0.8259☆50Updated 4 years ago
- 实验源代码-----基于随机森林的气温预测☆35Updated 4 years ago
- [大数据课程作业]分别采用神经网络、线性回归、SVM方法预测学生成绩☆45Updated 5 years ago
- 《Python数据预处理技术与实践》源码下载☆190Updated 5 years ago
- 使用sklearn做特征工程☆168Updated 6 years ago
- 支持向量机(SVM)——分类预测，包括多分类问题，核函数调参，不平衡数据问题，特征降维，网格搜索，管道机制，学习曲线，混淆矩阵，AUC曲线等☆51Updated 7 years ago
- 支持向量机的python实现☆43Updated 9 years ago