# Learning ML

**Repository Path**: peterpyx/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**: 2021-01-30
- **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
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%202020.05.03.pdf) （PPT：137页）
   - 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%202020.05.13.pdf) （PPT：83页）
   - 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%202020.05.14.pdf) （PPT：46页）
   - 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%202020.05.21.pdf) (PPT：42页)
   - 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%202020.05.25.pdf) (PPT：54页)
   - 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%202020.06.02.pdf) (PPT：74页)
   - 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%202020.06.05.pdf) (PPT：57页)
   - 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) (PPT：40页)
   - 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%202020.06.14.pdf) (PPT：73页)
   - 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%202020.06.16.pdf) (PPT：46页)
    - 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) (PPT：36页)
    - 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) (PPT：60页)
    - 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) (PPT：66页)
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%202020.06.04.pdf) (PPT：37页)
    - 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%202020.06.09.pdf) (PPT：30页)
    - 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%202020.07.08.pdf) (PPT：24页)
    - 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) (PPT：27页)
    - 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%202020.07.09.pdf) (PPT：39页)
19. [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) (PPT：32页)
20. [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) (PPT：30页)
21. [补充3：拉格朗日乘数](http://justinruan.gitee.io/learning-ml/机器学习与模式识别E03%20-%20拉格朗日乘数2020.04.15.pdf) (PPT：12页)

## 实验环境要求：

- Python >=3.6
- scikit-learn   >=0.19