# machine_learning

**Repository Path**: Mount256/machine_learning

## Basic Information

- **Project Name**: machine_learning
- **Description**: 个人学习机器学习和深度学习时的一些文件（持续更新）
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-08-16
- **Last Updated**: 2025-08-17

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 从零开始实现机器学习、深度学习

**"What I cannot create, I do not understand." ——Richard Feynman**

## 注意

- 本仓库的代码尽可能少地使用外部库，但 numpy 库和 matplotlib 库是刚需
- 本仓库的大部分代码暂时均不涉及机器学习框架、深度学习框架的使用（机器学习部分涉及 sklearn 库）
- word2vec 中有部分代码使用 sklearn 库进行矩阵奇异值分解

## 文件夹说明

- `test`：numpy库和matplotlib库的简单使用
- `dataset`：手写数字数据集mnist（包含训练集和测试集）
- `linear_regression`：线性回归、多元线性回归
- `logistic_regression`：逻辑回归（二元分类）
- `naive_bayes`：朴素贝叶斯模型
- `decision_tree`：决策树模型
- `support_vector_machines`：支持向量机和内核方法
- `neural_network`：神经网络（包括BP神经网络）
- `convolutional_neural_network`：卷积神经网络
- `recurrent_neural_network`：循环神经网络（包括RNNLM和LSTM），并使用语言模型生成文本
- `word2vec`：单词的分布式表示（CBOW模型和skip-gram模型）
- 'sqe2seq'：从时序到时序
- 'attention'：注意力机制

## 参考书籍及课程

- 《深度学习入门：基于Python的理论与实现》
- 《深度学习进阶：自然语言处理》
- 《深度学习入门2：自制框架》
- 《机器学习图解》
- 吴恩达深度学习：deeplearning.ai