代码说明

代码说明 项目中复现了一些经典的机器学习算法，并通过简单的任务展示了算法或模型的效果。在一些算法或模型的复现的过程中，一些模型的对比总结，公式推导，数学原理也存在主要工具：pycharm，jupyter笔记本，pytorch。以下是项目的目录，项目持续更新中... 1. Logistic回归（LR） LR逻辑回归的复现 Logistic Regression Summery总结了逻辑回归，线性回归的数学原理公式推导，比较了两种方法的异同和特点，介绍了方法边界，代价函数，优化方法和正则项的约会。 LR的图像：不同参数，不同优化方法的分类结果 2.朴素贝叶斯 数据集 模型保存训练好的模型参数 readFiles读取数据 PreprocessText数据的预 NaivesBayes使用朴素贝叶斯模型进行垃圾邮件分类 朴素贝叶斯VS逻辑回归：比较总结了朴素贝叶斯方法与逻辑回归特点和异同 生成模