cs4641-python
该存储库包含针对各种机器学习技术的Python实现，我在乔治亚理工学院CS 4641（机器学习）课程的一部分中从头开始对它们进行了编码。 阅读以下有关每个模型的更多信息：
K均值聚类
K均值初始化k个随机聚类中心，并将每个数据点归类为最接近的k个聚类中的任何一个。 在此实现中，我使用成对的欧几里德距离进行聚类，并使用平方误差总和来计算损失。
高斯混合模型
GMM是一种概率模型，它假定可以从有限数量的高斯分布的组合中产生所有数据点。 它是一种软群集算法，可将每个数据点分组到一个群集中，并为其分配出现在该群集中的概率。 该实现使用期望最大化来拟合模型，并使用最大似然估计来优化参数。
主成分分析
朴素贝叶斯分类器
神经网络
回归
