超级会员免费看
本专栏旨在帮助零基础用户深入理解机器学习，采用原生Python代码复现决策树、逻辑回归等算法，不含第三方库。涵盖逻辑回归、线性回归、决策树、KNN、KMeans、PCA等，并探讨最优化方法、集成算法和神经网络。每篇文章均附带源码，适合新手学习。
🚨注意🚨：最近经粉丝反馈，发现有些订阅者将此专栏内容进行二次售卖，特在此声明，本专栏内容仅供学习，不得以任何方式进行售卖，未经作者许可不得对本专栏内容行使发表权、署名权、修改权、发行权、转卖权、信息网络传播权，如有违者，追究其法律责任。
前言
-
👑 最近粉丝群中很多朋友私信咨询一些决策树、逻辑回归等机器学习相关的编程问题，为了能更清晰的说明，所以建立了本专栏
专门记录基于原生Python实现一些入门必学的机器学习算法，帮助广大零基础用户达到轻松入门，为了更深刻算法的基本原理，本专栏没有采用第三方库来实现（sklearn），而是采用原生Python自己复现相关算法，从而帮助新手理解算法的内部细节。 -
👑 本专栏适用人群：🚨🚨🚨
机器学习初学者，刚刚接触sklearn的用户群体，专栏将具体讲解如何基于原生Python来实现一些经典机器学习算法，快速让新手小白能够对机器学习算法有更深刻的理解。 -
👑 本专栏内包含基于原生Python从零实现经典机器学习算法，通过自复现帮助新手小白对算法有更深刻的认识，理论与实践相结合，每一篇文章都附带有
完整的代码+原理讲解。
正在更新中~ ✨
🚨 我的项目环境：
- 平台：Windows11
- 语言环境：Python 3.7
- 编译器：Jupyter Lab
- Pandas：1.3.5
- Numpy：1.19.3
- Scipy：1.7.3
- Matplotlib：3.1.3
🌠 『精品学习专栏导航帖』
🚨注：链接点不开的朋友先不要着急，文章会根据实际情况陆续公开发布
🌈『目录』
📢 经典机器学习算法篇
- （一）：Python实现逻辑回归(Logistic Regression)
- （二）：Python实现多元线性回归(Multiple Linear Regression)
- （三）：Python实现决策树(Decision Tree)
- （四）：Python实现朴素贝叶斯(Naive Bayes)
- （五）：Python实现K近邻(KNN)
- （六）：Python实现KMeans(K-means Clustering Algorithm)
- （七）：Python实现DBSCAN(Based Spatial Clustering of Applications with Noise)
- （八）：Python实现PCA降维(Principal Component Analysis)
- （九）：Python实现Lasso回归(Lasso Regression)
- （十）：Python实现岭回归(Ridge Regression)
- （十一）：Python实现高斯混合聚类(GMM)
📢 集成算法篇
- （一）：Python实现随机森林(Random Forest)
- （二）：Python实现AdaBoost(Adaptive Boosting)
- （三）：Python实现GBDT(Gradient Boosted Decision Tree)
- （四）：集成学习套袋法Bagging原理详解
📢 最优化算法篇
- （一）：Python实现梯度下降法(Gradient Descent)
- （二）：Python实现坐标下降法(Coordinate Descent)
- （三）：Python实现牛顿法(Newton’s Method)
- （四）：Python实现拟牛顿法(Quasi-Newton Methods)
📢 经典神经网络算法篇
- （一）：Python实现多层感知机(MLP)
- （二）：Python实现卷积神经网络CNN(Convolutional Neural Network)
- （三）：Python实现循环神经网络RNN(Recurrent Neural Network)
📢 优化器篇
- （一）：Python实现Momentum优化器
- （二）：Python实现Nesterov accelerated gradient优化器
- （三）：Python实现RMSprop优化器
- （四）：Python实现Adagrad优化器
- （五）：Python实现Adadelta优化器
- （六）：Python实现Adam优化器
📢 其他算法篇
扫一扫
1954
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
