机器学习汇总

介绍

本模块包含自己学习机器学习过程中学习过的内容，包含基础案例和实战案例，大部分以 ipynb 的格式展示，包含数据集和源代码，可以下载使用练习，包含机器学习的常见算法，如逻辑斯蒂回归，决策树，支持向量机，集成算法，贝叶斯，聚类等等。

由于包含数据集内容比较大，鉴于网速没有上传到 github，而且码云自带 ipynb 文件渲染，可以在线看代码，由于码云自带的图片无法渲染，有些内容是通过 jupyter 官网的 nbviewer 渲染的，下面是该项目的链接。

项目码云链接

目录

• 0- 数据预处理

  • 数值特征处理
  • 离散特征处理
• 1- K 近邻算法
• 2- 梯度下降求解逻辑斯蒂回归
• 3- 逻辑回归 - 信用卡欺诈检测
• 4- 决策树

• 5- 随机森林

  • 随机森林
  • 数据特征对随机森林的影响
  • 随机森林参数选择

• 6- 特征工程

  • 特征预处理
  • 数值特征
  • 文本特征
  • 图像特征
• 7- 集成算法
• 8- 贝叶斯 - 拼写检查器
• 9- 贝叶斯 - 新闻分类
• 10- 聚类算法实验分析
• 11-GMM 聚类
• 12- 支持向量机

• 13- 降维算法

  • LDA
  • PCA

• 14-Xgboost

  • 数据探索
  • 建模
• 15- 案例：商品销售回归分析
• 16-GBDT_XGBoost_LightGBM 对比
• 17- 使用 lightgbm 进行饭店流量预测

• 20-HMM 案例实战

  • HMM 实践
  • 时间序列

• 21- 推荐系统

  • 电影数据集推荐系统

如果觉得我资料搜集和整体的还行，希望大佬打赏一下