《统计学习方法》相关的机器学习实现代码.zip

# 机器学习 # 前言 本项目目致力于实现《统计学习方法》这本书中的各个算法。 目前代码主要是在Python3环境下运行通过。 CSDN博客主页：https://blog.csdn.net/tudaodiaozhale # 实现 ## 第2章 感知机 (perceptron/perceptron.py) 感知机实现 https://blog.csdn.net/tudaodiaozhale/article/details/77193533 (perceptron/perceptron_dual.py) 感知机对偶形式实现 https://blog.csdn.net/tudaodiaozhale/article/details/77198684 ## 第3章 K近邻法 (knn/knn(kdtree).py) Knn之Kd树实现 https://blog.csdn.net/tudaodiaozhale/article/details/77327003 ## 第4章 朴素贝叶斯法 (bayes/bayes(MLE).py) 贝叶斯分类之极大似然估计 https://blog.csdn.net/tudaodiaozhale/article/details/77387135 (bayes/bayes(BE).py) 贝叶斯分类之贝叶斯估计 https://blog.csdn.net/tudaodiaozhale/article/details/77405394 ## 第5章 决策树 (decision_tree/decision_tree(ID3_C4.5).py) 决策树之ID3&C4.5 https://blog.csdn.net/tudaodiaozhale/article/details/77430134 ## 第6章 逻辑斯的回归与最大熵模型 (logistic/logistic.py) 逻辑斯蒂回归 https://blog.csdn.net/tudaodiaozhale/article/details/77532135 (max_entropy/max_entropy.py) 最大熵模型 https://blog.csdn.net/tudaodiaozhale/article/details/77599595 ## 第7章 支持向量机 (svm/svm.py) 支持向量机 https://blog.csdn.net/tudaodiaozhale/article/details/77599620 ## 第8章 提升算法 (adaboost/adaboost.py) Adaboost算法 https://blog.csdn.net/tudaodiaozhale/article/details/78083942 ## 第10章 隐马尔科夫模型 (hmm/hmm.py) 隐马尔科夫模型 https://blog.csdn.net/tudaodiaozhale/article/details/80160956 ## 额外 (softmax/softmax.py) Softmax回归 https://blog.csdn.net/tudaodiaozhale/article/details/80432552 免责声明： 1.本资源仅供学习和交流使用，不保证其准确性、完整性、及时性或适用性。 2.本资源仅包含一般信息，不构成专业建议。在使用本资源时，请务必自行研究并谨慎决策。 3.我已尽力确保本资源的正确性和合法性，但不对其准确性、完整性和及时性做出保证。 4.本资源不应用于商业用途。 5.在使用本资源的过程中，用户应自行承担所有风险和责任，并遵守相关法律法规。 6.对于因使用本资源而产生的任何损失或损害，我概不负责。 请确保在使用本资源时仔细阅读并遵守以上免责声明。如果您有任何疑问或需要进一步帮助，请联系我。