来自小姐姐的入门推荐：7个基本机器学习算法Python实现

有位美女小姐姐，刚刚在GitHub上放出一份福利。

嗯，正经的福利。

她总结了一份基本的机器学习算法，全部以纯Python（版本3.6+）实现。其中包括线性回归等七套算法，具体地址在此：

https://github.com/zotroneneis/machine_learning_basics

这7个算法，及代码实现地址：

• 线性回归，http://t.cn/REk46x1
  
• 逻辑回归，http://t.cn/REk4Kpp
  
• 感知器，http://t.cn/REk40Y5
  
• K近邻，http://t.cn/REk4H9I
  
• k平均聚类，http://t.cn/REk4rqI
  
• 只有一个隐层的简单神经网络，http://t.cn/REk4kHb
  
• 多类别逻辑回归，http://t.cn/REkbxOe
  

所有的算法都是从0开始实现，无需其他的机器学习库。

小姐姐也说明了：这套算法笔记是一个入门资料，主要用于对算法和底层结构进行基本了解，而不是提供最有效的实现。

这位好心的小姐姐名叫Anna-Lena Popkes，是一位来自德国波恩的计算机科学专业研究生，也是IAIS研究所的研究助理。

她的主要兴趣是机器学习，关注神经网络。“Machine learning can seem like magic. I love magic!”她在自己的主页上写道。

感谢她~

— 完 —