# Learning ML

**Repository Path**: justinruan/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**: new2024
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 55
- **Forks**: 18
- **Created**: 2018-08-09
- **Last Updated**: 2025-05-18

## 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
   - 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
   - Numpy，Pandas，Matplotlib，scikit-learn
3. 机器学习基础知识
   - 实验：手写数字识别
4. 线性回归算法与感知器
   - 实验：测算房价 
5. K-近邻算法
   - 实验：糖尿病预测
6. 朴素贝叶斯算法
   - 实验：手写数字识别、文档分类
7. 决策树
   - 实验：预测泰坦尼克号幸存者 
8. 逻辑回归与最大熵模型
   - 实验：乳腺癌检测
9. 支持向量机
   - 实验：乳腺癌检测、人脸识别 
10. 提升方法 
    - 实验：手写数字识别
11. EM算法
    - 实验：鸢尾花
12. 隐马尔可夫模型
    - 实验：HMM采样、解码和学习
13. 条件随机场
14. K-均值算法
    - 实验：文档聚类
15. 主成分分析
    - 实验：手写数字
16. 线性判别分析
    - 实验：鸢尾花
17. 局部线性嵌入
    - 实验：手写数字
18. 神经网络
    - 实验：手写数字
19. 卷积神经网络
    - 实验：ResNet与Cifar10
20. 自编码器
    - 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
    - 实验：Sin函数拟合、手写数字
22. 网络优化与正则化
    - 实验：TensorBoard的使用
23. 注意力机制与TransFormer
    - 实验：机器翻译
24. 生成对抗网络
    - 实验：DCGAN与人脸
25. 神经网络案例分析
26. 补充1：数据和特征
27. 补充2：距离度量
28. 补充3：拉格朗日乘数
29. 补充4：60分钟入门PyTorch

## 实验环境要求：

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