# Learning Sklearn

**Repository Path**: brt2/sklearn

## Basic Information

- **Project Name**: Learning Sklearn
- **Description**: No description available
- **Primary Language**: Python
- **License**: Apache-2.0
- **Default Branch**: dev
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 18
- **Created**: 2019-12-24
- **Last Updated**: 2022-05-24

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Learning ML

#### 项目介绍
本人根据《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。

# 《智能信息处理》课程讲义

本讲义主要参考以下教材以及教材配套的代码：
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. 机器学习理论基础
   - 实验：手写数字识别
4. K-近邻算法
   - 实验：糖尿病预测 
5. 线性回归算法
   - 实验：测算房价 
6. 逻辑回归算法
   - 实验：乳腺癌检测
7. 决策树
   - 实验：预测泰坦尼克号幸存者 
8. 支持向量机
   - 实验：乳腺癌检测 
   - 实验：人脸识别 
9. 朴素贝叶斯算法
   - 实验：手写数字识别 
   - 实验：文档分类
10. PCA算法
    - 实验：手写数字特征 
11. k-均值算法
    - 实验：对文档进行聚类分析 

## 实验环境：

- Anaconda 5.2，Python 3.6
- scikit-learn  0.19.1