python笔记本：用于调整机器学习基础的ml-basics

毫升基础 jupyter笔记本，用于修订机器学习基础 这是什么？ 我准备了这些笔记本，同时准备对科技公司的研究职位进行面试。 我的目标是修改（并实现）几年前研究过的基本机器学习算法。 许多人发现它们对自己的学习很有用，因此我将它们公开。 这项工作尚未完成-欢迎提出改进或扩展的要求！ 内容： k-means，GMM和Gaussians.ipynb 多元高斯 K均值（聚类算法） 主成分分析（降维） 高斯混合模型和最大期望EM算法 线性回归，K折交叉验证，高斯过程回归和逻辑回归.ipynb 最小二乘线性回归 多项式回归 交叉验证 核岭回归 高斯过程回归（在某些圈子又称“克里金法”） Logistic回归<-神经网络分类的简单案例 多类逻辑回归<-神经网络分类的简单案例 反向传播（如何训练神经网络的重要组成部分） 统计假设检验 （注意：这是使用内核的统计假设检验的概述，并且几乎忽略了