机器学习总结简介本模块包含你在学习机器学习过程中所学的内容，包括基础案例和实战案例，大部分以ipynb格式展示，包括数据集和源码，可以下载用于练习，包括机器学习的常用算法，如逻辑回归、决策树、支持向量机、集成算法、贝叶斯、聚类等。由于包含的数据集内容比较多，鉴于网速没有上传到github，码云自带ipynb文件渲染，可以在线查看代码。由于码云自带的图片无法渲染，部分内容通过jupyter官网的nbviewer渲染，下面是项目链接。项目代号云端链接目录0-数据预处理数值特征处理离散特征处理1-K最近邻算法2-梯度下降求解逻辑回归3-逻辑回归-信用卡欺诈检测4-决策树5-随机森林随机森林数据特征影响onRandomForest随机森林参数选择6-特征工程特征预处理数值特征文本特征图像特征7-综合算法8-贝叶斯-拼写检查器9-贝叶斯-新闻分类10-聚类算法实验分析11-GMM聚类12-支持向量机13-降维算法LDAPCA14-Xgboost数据探索建模15-案例：商品销售回归分析16-GBDT_XGBoost_LightGBM对比17-使用lightgbm进行餐厅客流量预测20-HMM案例实战HMM实践时间序列21-推荐系统电影数据集推荐系统If你认为我的数据收集和整体表现都可以，希望你能给我打赏
