# MachineLearningWithIllustration
## Brief Intro
<<图解机器学习>>一书用通俗易懂的语言讲解了常见的机器学习算法，
并配以可视化插图用于更深刻的理解。本项目实现了书中所讲的所有算法，
适合阅读过程中动手实验验证算法的准确性和理解算法的用途。
每一个文件的代码均相对简洁且，力求对所有算法都用最简单的实现。
## Detail
- Linear Square Regression 文件夹下面实现了各个loss(L1, L2, hinge etc)和正则化算法的最小二乘回归算法
- SVM 文件夹中实现了带有RampLoss的线性SVM
- Unsupervised Learning 文件夹下有异常检测，KL散度检测，PC A算法以及kNN
- Boosting 文件夹中注意有adaptive boosting, bagging算法和剪枝算法
- Cluster 文件夹包括kmeans和谱聚类两种常见聚类
- Online learning 文件夹实现了被动攻击算法
- Transfer learning 文件夹主要描述了密度估计算法
- LogisticReg 文件夹中的算法为以梯度下降做优化的logistic regression
## Test
- Language: MATLAB
- Platform: Win10 HomeBasic 64bit && 16G
- IDE: MATLAB 2014b
## Tips
- 本项目实现了附书中所有算法
- 每个.m文件代表一种算法且均单独测试通过并可独立运行
## Reference
- <<图解机器学习>>，[日]杉山将 (作者), 许永伟 (译者)
- 豆瓣图书：https://book.douban.com/subject/26363531/
## Author
- jcm332@163.com
## License
- BSD v2.0, see LICENSE
MachineLearning-master.zip
55 浏览量
2023-08-22
08:54:11
上传
评论 1
收藏 17KB ZIP 举报
MachineLearning_-master.zip （27个子文件） 
MachineLearning_-master 
LICENSE 1KB LogisticReg logistic_GD.m 836B SVM LineaSVM_RampLoss.m 579B transfer learning density_estimation.m 1KB Linear Square Regression Gasussian_L2_Constrain_Reg.m 696B Huber_Loss_L1_Gaussian.m 666B l2_LSE_gaussian.m 534B linearsquarereg.m 446B SGD_LSE.m 560B Subspace_constrained_LSE.m 572B L2_LSE_CrossValidation.m 920B Huber_Loss_Linear.m 503B LSE_Laplace_Reg.m 738B L1_LSE_Gaussian_kernel.m 587B clustering kmeans_clustering.m 554B sprectrum_clustering.m 789B boosting pruning.m 496B adaboost.m 755B bagging.m 649B README.md 1KB onlinelearning passive_attack.m 439B adaptive_regularization.m 557B Unsupervised Learning Principal_Component_Analysis.m 226B KLIEP.m 273B ExceptionDectecion.m 455B KLDivergence_Exception.m 563B kNN_similarity_laplace_mapping.m 458B资源评论
