机器学习算法实现

统计学习方法 李航

Features

• 代码使用 scikit-learn 的形式组织，方便学习和实验
• 代码按照统计学习方法中的思路实现，包含详细实现思路与注释

Example

# 加载数据
train_path = '../mnist/mnist_train.csv'
test_path = '../mnist/mnist_test.csv'
train_data, train_label = load_data(train_path)
test_data, test_label = load_data(test_path)

# 创建朴素贝叶斯分类器
nb = NaiveBayes(var_smoothing=1)
# 训练
nb.fit(train_data, train_label)
# 测试
nb.score(test_data, test_label)

数据集: mnist， 请使用 ./data/transMinist.py 生成

• K 近邻： KNN

• 感知机： Perceptron

• 朴素贝叶斯：NaiveBayes

• 决策树：DicisionTree

• 逻辑斯谛回归：LogisticRegression

参考：

• https://github.com/Dod-o/Statistical-Learning-Method_Code

比赛实践与学习

• 泰坦尼克生存预测