《机器学习实战》&《统计学习方法》python代码实现(附有详细的代码注释)

1.包含常用的数据预处理常用操作： 离散值处理（独热编码） 归一化和标准化 缺失值的处理 异常值的检测和处理 连续值离散化处理 数据的相似度分析 2.算法模型： 线性回归（最小二乘法、梯度下降法） 逻辑回归 k-means算法 knn算法 主成分分析 加权线性回归 线性回归的正则化（L2正则化） 线性判别分析（LDA） kd树的实现 决策树（ID3，C4.5，CART算法） 感知器算法 adaboost算法 随机森林 朴素贝叶斯算法 SVM算法 提升树算法 隐马尔可夫模型算法 高斯判别分析（GDA） softmax回归算法 多层前馈神经网络 高斯混合模型（GMM） 3.模型评估 数据集划分