Github 地址:
https://github.com/zotroneneis/machine_learning_basics
线性回归
在线性回归中,我们会模拟标量因变量 y 和一个及多个独立变量 x 之间的关系。
链接:
https://github.com/zotroneneis/machine_learning_basics/blob/master/linear_regression.ipynb
逻辑回归
在逻辑回归中,我们试图对给定输入要素线性组合的二元变量的结果进行建模。比如我们可以通过候选人在竞选中投入的财力和时间的多少来预测获选的机率。
链接:
https://github.com/zotroneneis/machine_learning_basics/blob/master/logistic_regression.ipynb
感知器
感知器算法是一种简单的监督学习算法,也是最早的神经网络结构之一,它由 Rosenblatt 在 20 世纪 50 年代末引入。感知器表示二元线性分类器,其使用 d-1 维超平面将一组训练实例( d 维输入向量)映射到二进制输出值。
链接:
https://github.com/zotroneneis/machine_learning_basics/blob/master/perceptron.ipynb
K-近邻
KNN 算法是一种简单的监督学习算法,可以用于分类和回归问题。它是一种基于实例的算法,所以它将所有训练好的样例储存在内存里并用相似性度量进行预测,而不是评估模型。
链接:
https://github.com/zotroneneis/machine_learning_basics/blob/master/k_nearest_neighbour.ipynb
k-Means 聚类
k-Means 是一种简单的聚类算法。给定固定数量的聚类和输入数据集,该算法会将数据划分为聚类,使得聚类具有较高的类内相似性和较低的类间相似性。
链接:
https://github.com/zotroneneis/machine_learning_basics/blob/master/kmeans.ipynb
带有一个隐层的简单神经网络
该库实现了一个简单的神经网络架构,可以将 2 维度的输入向量映射到二进制输出值。
链接:
https://github.com/zotroneneis/machine_learning_basics/blob/master/simple_neural_net.ipynb
多项逻辑回归
Softmax 回归,也称为多项逻辑回归,将逻辑回归扩展到多个类别。
链接:
https://github.com/zotroneneis/machine_learning_basics/blob/master/softmax_regression.ipynb