机器学习课程进阶EN3–6 周★ 25k11 章可站内阅读
Homemade Machine Learning
手写经典机器学习算法交互演示
Oleksii Trekhleb· 24,745 stars
用纯 Python/NumPy 手写经典机器学习算法，并配交互 notebook 与数学说明。适合想真正理解算法细节、而不只调用现成库 API 的学习者，用来巩固回归、分类与聚类等基础。
为什么收录 · 基础理论层架补上「手写算法」学习路径，强化对模型细节的理解与数学推导习惯，适合夯实基础。
机器学习从零实现NumPy教学
这本书强在哪
- GitHub 高星真学习内容
- 可导入站内阅读
- 材料结构清晰
- 适合系统跟学
建议怎么学
- 01按大纲顺序推进
- 02每章留下自己的实验记录
- 03卡点时回看对应知识库文章
适合谁 / 前置
- Python 基础
- 愿意跟练代码或笔记
学完得到什么
- 掌握该教程主线知识点
- 能复现关键实验或练习
- 建立可对照的学习笔记
- 为下一阶段课程打底
目录
来自站内阅读器镜像；点击章节直接阅读
notebooks11 章
- 01Anomaly Detection Using Gaussian Distributionnotebook
- 02K-Means Algorithm Demonotebook
- 03Multivariate Linear Regression Demonotebook
- 04Non-linear Regression Demonotebook
- 05Univariate Linear Regression Demonotebook
- 06Logistic Regression With Linear Boundary Demonotebook
- 07Logistic Regression With Non-Linear Boundary Demonotebook
- 08Multivariate Logistic Regression Demonotebook
- 09Multivariate Logistic Regression Demonotebook
- 10Neural Network (Multilayer Perceptron) Demonotebook
- 11Neural Network (Multilayer Perceptron) Demonotebook
策展亮点章节
RegressionClassificationClusteringNeural NetworksMath
仓库数据
Stars24,745
Forks4,193
主要语言Jupyter Notebook
创建2018/11/1
更新2026/8/11
963d77f1（master）· 许可证 MIT License (MIT)。 上游更新后可通过同步脚本刷新。