Machine-Learning-Labs

项目介绍

本项目包含机器学习课程中的实验内容，主要包括线性回归、逻辑回归与朴素贝叶斯分类、以及聚类分析等算法的实现与应用。

项目结构

• chapter-1/linear-regression/: 线性回归实验

• chapter-2/logistic-regression-naive-bayes/: 逻辑回归与朴素贝叶斯分类实验

• chapter-3/clustering/: 聚类分析实验

实验工具

实验用到的开发工具与框架：

• Python：建议使用 Python 编程语言进行算法的实现。
• NumPy 和 Pandas：用于数据处理与分析的常用库。
• Matplotlib 和 Seaborn：用于可视化实验结果，展示数据特征与模型表现。
• Scikit-learn：提供了多种机器学习算法的库，可以用来对比自定义实现与库中实现的效果。

许可证

本项目仅供学习和参考，禁止未经授权的商业用途或抄袭。