Machine-Learning

项目介绍

此项目是对机器学习内容的梳理，包括例如Numpy等基础库的常用操作以及机器学习中的算法。项目整体以实战为主。

内容

机器学习基础
- Numpy
- Pandas
- Matplotlib
- 特征工程(Feature engineering)
机器学习算法
- 线性回归(Linear Regression)
- 逻辑回归(Logistic Regression)
- 决策树(Decision Tree)
- 随机森林(Random Froest)
- 梯度提升树(GBDT)
- XGBoost
- LightGBM
- 支持向量机(SVM)
- 贝叶斯网络(Bayesian Network)
- 马尔科夫(Markov)
- 主题模型(Topic Model)
- 最大期望算法(EM)
- 聚类(Clusting)
- K近邻算法(KNN)
机器学习Tips
- 超参数调整