【文件属性】：
文件名称：lihang_algorithms:用python和sklearn两种方法实现李航《统计学习方法》中的算法
文件大小：23.85MB
文件格式：ZIP
更新时间：2021-05-09 00:17:31
data-mining machine-learning-algorithms Python
lihang_algorithms
用python和sklearn实现李航老师的《统计学习方法》中所提到的算法
实验数据：MNIST数据集,这里用kaggle中处理好的数据
官方下载地址：
kaggle中处理好的数据：
第二章 感知机
适用问题：二类分类
实验数据：由于是二分类器，所以将MINST数据集的label列进行了一些微调，label等于0的继续等于0，label大于0改为1。这样就将十分类的数据改为二分类的数据。获取地址
代码：
运行结果：
代码(用sklearn实现)：
运行结果：
第三章 k邻近法
适用问题：多类分类
三个基本要素：k值的选择、距离度量及分类决策规则
代码：
运行结果：
代码(用sklearn实现)：
运行结果：
第四章 朴素贝叶斯法
适用问题：多类分类
基于贝叶斯定理和特征条件独立假设
常用的三个模型有：
高斯模型：处理特征是连续型变量的情况
多项式模型：最
【文件预览】：
lihang_algorithms-master
----maxEnt()
--------maxEnt.py(5KB)
----data()
--------train.csv(73.18MB)
--------train_binary.csv(73.18MB)
--------test.csv(48.72MB)
----perceptron()
--------perceptron_sklearn.py(1KB)
--------perceptron.py(3KB)
----naive_bayes()
--------naive_bayes_sklearn.py(1KB)
--------naive_bayes.py(4KB)
----AdaBoost()
--------AdaBoost_sklearn.py(1KB)
----knn()
--------knn.py(3KB)
--------knn_sklearn.py(1KB)
----imgs()
--------perceptron_sklearn_result.png(10KB)
--------decision_tree_sklearn_result.png(10KB)
--------ID3_result.png(13KB)
--------naive_bayes_result.png(15KB)
--------Adaboost_sklearn_result_2.png(10KB)
--------Adaboost_sklearn_result_1.png(10KB)
--------maxEnt_result.png(10KB)
--------logistic_regression_result.png(13KB)
--------perceptron_result.png(14KB)
--------knn_sklearn_result.png(11KB)
--------naive_bayes_sklearn_result.png(10KB)
--------svm_sklearn_result.png(13KB)
--------C45_result.png(14KB)
--------logistic_regression_sklearn_result.png(7KB)
--------knn_result.png(14KB)
----decision_tree()
--------ID3.py(6KB)
--------decision_tree_sklearn.py(1KB)
--------C45.py(6KB)
----svm()
--------svm_sklearn.py(1KB)
----logistic_regression()
--------logistic_regression_sklearn.py(1KB)
--------logistic_regression.py(3KB)
----README.md(8KB)