#machine_learning
- 包括regression, knn, svm, k-means等算法
- sklearn的使用, 数据的处理和训练/测试数据的区分
- 手工实现算法,虽然不是最优的,但是对于理解算法非常有帮助,可以清楚的了解每种算法的工作过程
- 对一些数据集的处理,练习如何从头到尾应用及其学习,以及遇到的问题的总计和备忘
- 广告费用和收益的线性预测,以及在选取模型时的总结记录
- matplotlib 绘制各种图像
- style,动态绘图,和股票k线,蜡烛图的实现
- subplot的使用
- basemap的简单用法,地图上绘制图像时会比较有用
- np的基本用法
- 数据处理中常用的np的处理方法
- pandas的基本用法
- 用pandas进行简单的数据分析,并结合sklearn训练预测模型
- svm 中 margin的计算和可视化展示
- perceptron(感知机)分类算法的实现,和可视化展示