Machine Learning Algorithms Guide

🧠 欢迎来到机器学习算法指南！这个项目是一个结构化的，不断发展的各种ML算法的参考，按章节组织。下面是进度概述。

---

📖 章节总览

1. 机器学习基础 - 概述
2. 有监督学习
   • 2.1 线性回归
   • 2.2 正则化
   • 2.3 逻辑回归
   • 2.4 支持向量机
   • 2.5 支持向量机(核方法)
   • 2.6 朴素贝叶斯
   • 2.7 随机森林
   • 2.8 神经网络
   • 2.9 KNN算法
3. 无监督学习
   • 3.1 PCA
   • 3.2 LSA
   • 3.3 NMF
   • 3.4 LDA
   • 3.5 k-means算法
   • 3.6 混合高斯分布
   • 3.7 LLT
   • 3.8 t-SNE
4. 评估方法和各种数据的处理
   • 4.1 评估方法
   • 4.2 文本数据的转换处理
   • 4.3 图像数据的转换处理
5. 数据集与模型测试
   • 5.1 加利福尼亚房价数据集
   • 5.2 糖尿病进展预测数据集
   • 5.3 乳腺癌数据集
   • 5.4 鸢尾花数据集

✅ 进度

• 章节 1：概述
• 章节 2：有监督学习
• 章节 3：无监督学习
• 章节 4：评估方法和各种数据的处理
• 章节 5：数据集与模型测试