调包侠福音！机器学习经典算法开源教程（附参数详解及代码实现）

转自：Datawhale

作者：赵楠、杨开漠、谢文昕、张雨

寄语：本文针对5大机器学习经典算法，梳理了其模型、策略和求解等方面的内容，同时给出了其对应sklearn的参数详解和代码实现，帮助学习者入门和巩固机器学习理论知识。

作为Datawhale机器学习开源教程，主要对经典算法：线性回归、朴素贝叶斯、EM算法、条件随机场和支持向量机，给出了完整的学习路径，同时对学习内容进行梳理，并给出了Python代码实现，避免成为调包侠，做到知其然知其所以然。

开源贡献

开源贡献：赵楠、杨开漠、谢文昕、张雨

• 赵楠

• 技术和算法工作者

  知乎：https://zhuanlan.zhihu.com/mrhomer

• 杨开漠

  五邑大学计算机硕士

  Github：https://github.com/km1994

• 谢文昕

  上海交通大学博士

• 张雨

  复旦大学在读博士

  Github：https://github.com/Drizzle-Zhang

开源内容

机器学习初级算法共涉及五部分内容：线性回归算法、朴素贝叶斯、EM算法、条件随机场和支持向量机。

项目链接：https://github.com/datawhalechina/team-learning/blob/master/机器学习算法基础

首先，每个算法开始模块会给出本章的学习知识点梳理，帮助学习者对所学算法有一个整体宏观的认知。

然后，针对每个知识点要进行详细的讲解，帮助学习者深入学习每个知识点。

最后，将算法的sklearn参数进行了详细的介绍，并给出了Python代码实现，帮助学习者完整动手实践。

学习路径

下图为机器学习经典算法的完整学习路径

开源地址

https://github.com/datawhalechina/team-learning/blob/master/机器学习算法基础