机器学习基础算法__python实现(基于numpy等基础库)

机器学习基础算法__python实现(基于numpy等基础库)

 

# 博客转自https://blog.csdn.net/weixin_39561100/article/details/80879211

主要是将《机器学习实战》中的算法实现一遍,后续会慢慢更新......

决策树ID3分类的实现:https://github.com/ZhangXiangCHN/Demo/blob/master/DecisionTree_for_ID3.py

K近邻算法的实现(基于矩阵计算):https://github.com/ZhangXiangCHN/Demo/blob/master/KNN.py

逻辑回归算法的实现:https://github.com/ZhangXiangCHN/Demo/blob/master/Logistic%20regression.py

回归树算法的实现:https://github.com/ZhangXiangCHN/Demo/blob/master/Regression%20Tree.py

决策树ID3分类方法,特征都是离散的。而回归树的特征可以是连续的值,但是叶节点的值为同一叶节点值的均值。

模型树和回归树的区别,模型树的叶子节点不是一个值,而是满足当前叶节点所有值的回归方程,保存的是方程的系数。

模型树算法的实现:https://github.com/ZhangXiangCHN/Demo/blob/master/Model%20Tree.py

基于正规方程的线性回归实现:https://github.com/ZhangXiangCHN/Demo/blob/master/LinearRegression.py

KMeans聚类算法的实现(包含解决局部收敛问题的2分法实现):

https://github.com/ZhangXiangCHN/Demo/blob/master/KMeans.py

posted @ 2018-10-12 11:09  Hear7  阅读(385)  评论(0编辑  收藏  举报