# Learning ML

**Repository Path**: cloud-devops/Learning-ML

## Basic Information

- **Project Name**: Learning ML
- **Description**: 本人根据《统计学习方法》第二版和《scikit-learn机器学习——常用算法原理及编程实践》所写的讲义。适合于Python和机器学习的初学者。
- **Primary Language**: Python
- **License**: Apache-2.0
- **Default Branch**: new2020
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 18
- **Created**: 2022-01-27
- **Last Updated**: 2022-05-24

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# [Learning ML](https://gitee.com/justinruan/Learning-ML)


#### 项目介绍
本人根据《统计学习方法》第二版、《机器学习》、《神经网络与深度学习》和《scikit-learn机器学习——常用算法原理及编程实践》所写的讲义。适合于Python和机器学习的初学者。
>https://gitee.com/justinruan/Learning-ML
# 《机器学习与模式识别》课程讲义

本讲义主要参考以下教材以及教材配套的代码：
- 李航，统计学习方法（第二版），北京，清华大学出版社，2019
- 周志华，机器学习，北京，清华大学出版社，2016
- 邱锡鹏，神经网络与深度学习，https://github.com/nndl/nndl.github.io
- 黄永昌等，scikit-learn机器学习——常用算法原理及编程实战，北京：机械工业出版社，2018

## 各章节内容：

1. [Python入门](http://justinruan.gitee.io/learning-ml/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E4%B8%8E%E6%A8%A1%E5%BC%8F%E8%AF%86%E5%88%AB00.1.%20Python%202021.09.23.pdf) 
   - 主要参考《PyCharm Python tutorial》10讲和网上帖子《learning python from zero to hero》
2. [Python机器学习软件包](http://justinruan.gitee.io/learning-ml/机器学习与模式识别00.2.%20Python%20Tools%202021.02.27.pdf) 
   - Numpy，Pandas，Matplotlib，scikit-learn
3. [机器学习基础知识](http://justinruan.gitee.io/learning-ml/机器学习与模式识别01.%20机器学习基础知识%202020.10.10.pdf) 
   - 实验：手写数字识别
4. [线性回归算法与感知器](http://justinruan.gitee.io/learning-ml/机器学习与模式识别02.%20线性回归算法与感知器%202021.11.03.pdf) 
   - 实验：测算房价 
5. [K-近邻算法](http://justinruan.gitee.io/learning-ml/机器学习与模式识别03.%20K-近邻算法%202021.03.21.pdf) 
   - 实验：糖尿病预测
6. [朴素贝叶斯算法](http://justinruan.gitee.io/learning-ml/机器学习与模式识别04.%20朴素贝叶斯算法%202021.11.11.pdf) 
   - 实验：手写数字识别、文档分类
7. [决策树](http://justinruan.gitee.io/learning-ml/机器学习与模式识别05.%20决策树%202021.03.14.pdf)
   - 实验：预测泰坦尼克号幸存者 
8. [逻辑回归与最大熵模型](http://justinruan.gitee.io/learning-ml/机器学习与模式识别06.%20逻辑回归与最大熵模型%202020.05.25.pdf) 
   - 实验：乳腺癌检测
9. [支持向量机](http://justinruan.gitee.io/learning-ml/机器学习与模式识别07.%20支持向量机%202021.11.02.pdf) 
   - 实验：乳腺癌检测、人脸识别 
10. [提升方法](http://justinruan.gitee.io/learning-ml/机器学习与模式识别08.%20提升方法%202021.04.16.pdf) 
    - 实验：手写数字识别
11. [EM算法](http://justinruan.gitee.io/learning-ml/机器学习与模式识别09.%20EM算法%202020.06.15.pdf) 
    - 实验：鸢尾花
12. [隐马尔可夫模型](http://justinruan.gitee.io/learning-ml/机器学习与模式识别10.%20隐马尔可夫模型%202020.05.30.pdf) 
    - 实验：HMM采样、解码和学习
13. [条件随机场](http://justinruan.gitee.io/learning-ml/机器学习与模式识别11.%20条件随机场%202020.05.29.pdf) 
14. [K-均值算法](http://justinruan.gitee.io/learning-ml/机器学习与模式识别14.%20K-均值算法%202020.10.13.pdf) 
    - 实验：文档聚类
15. [主成分分析](http://justinruan.gitee.io/learning-ml/机器学习与模式识别16.%20PCA算法%202021.04.16.pdf) 
    - 实验：手写数字
16. [线性判别分析](http://justinruan.gitee.io/learning-ml/机器学习与模式识别21.%20线性判别分析%202020.12.05.pdf) 
    - 实验：鸢尾花
17. [局部线性嵌入](http://justinruan.gitee.io/learning-ml/机器学习与模式识别22.%20局部线性嵌入%202020.07.17.pdf) 
    - 实验：手写数字
18. [神经网络](http://justinruan.gitee.io/learning-ml/机器学习与模式识别30.%20神经网络%202021.02.12.pdf)
    - 实验：手写数字
19. [卷积神经网络](http://justinruan.gitee.io/learning-ml/机器学习与模式识别31.%20卷积神经网络%202021.09.15.pdf)
    - 实验：ResNet与Cifar10
20. [自编码器](http://justinruan.gitee.io/learning-ml/机器学习与模式识别32.%20自编码器%202021.09.15.pdf)
    - 实验：线性自编码器、变分自编码器与手写数字
21. [循环神经网络](http://justinruan.gitee.io/learning-ml/机器学习与模式识别33.%20循环神经网络%202021.11.03.pdf)
    - 实验：Sin函数拟合、手写数字
22. [网络优化与正则化](http://justinruan.gitee.io/learning-ml/机器学习与模式识别34.%20网络优化与正则化%202021.11.06.pdf)
    - 实验：TensorBoard的使用
23. [注意力机制与TransFormer](http://justinruan.gitee.io/learning-ml/机器学习与模式识别35.%20注意力机制与TransFormer%202021.11.08.pdf)
    - 实验：机器翻译
24. [生成对抗网络](http://justinruan.gitee.io/learning-ml/机器学习与模式识别36.%20生成对抗网络%202021.11.12.pdf)
    - 实验：DCGAN与人脸
25. [补充1：数据和特征](http://justinruan.gitee.io/learning-ml/机器学习与模式识别E01%20-%20数据和特征2020.04.09.pdf) 
26. [补充2：距离度量](http://justinruan.gitee.io/learning-ml/机器学习与模式识别E02%20-%20距离度量2020.04.11.pdf) 
27. [补充3：拉格朗日乘数](http://justinruan.gitee.io/learning-ml/机器学习与模式识别E01%20-%20拉格朗日乘数2020.04.15.pdf) 
28. [补充4：60分钟入门PyTorch](http://justinruan.gitee.io/learning-ml/机器学习与模式识别E04.%2060分钟入门PyTorch%202021.10.13.pdf) 

## 实验环境要求：

- Python >=3.7
- scikit-learn   >=0.24
- Pytorch >=1.9