机器学习100天

英文原版请移步Avik-Jain。数据在这里。

翻译前请先阅读规范。常见问题解答见FAQ。

目录

• 有监督学习
  • 数据预处理
  • 简单线性回归
  • 多元线性回归
  • 逻辑回归
  • k近邻法(k-NN)
  • 支持向量机(SVM)
  • 决策树
  • 随机森林
• 无监督学习
  • K-均值聚类
  • 层次聚类

数据预处理 | 第1天

数据预处理实现

简单线性回归 | 第2天

简单线性回归实现

多元线性回归 | 第3天

多元线性回归实现

逻辑回归 | 第4天

逻辑回归 | 第5天

今天我深入研究了逻辑回归到底是什么，以及它背后的数学是什么。学习了如何计算代价函数，以及如何使用梯度下降法来将代价函数降低到最小。
由于时间关系，我将隔天发布信息图。如果有人在机器学习领域有一定经验，并愿意帮我编写代码文档，也了解github的Markdown语法，请在领英联系我。

逻辑回归 | 第6天

逻辑回归实现

K近邻法(k-NN) | 第7天

逻辑回归背后的数学 | 第8天

为了使我对逻辑回归的见解更加清晰，我在网上搜索了一些资源或文章，然后我就发现了Saishruthi Swaminathan的这篇文章

它给出了逻辑回归的详细描述。请务必看一看。

支持向量机(SVM) | 第9天

直观了解SVM是什么以及如何使用它来解决分类问题。

支持向量机和K近邻法 | 第10天

了解更多关于SVM如何工作和实现knn算法的知识。

K近邻法(k-NN) | 第11天

K近邻法(k-NN)实现

支持向量机(SVM) | 第12天

支持向量机(SVM) | 第13天

SVM实现

支持向量机(SVM)的实现 | 第14天

今天我在线性相关数据上实现了SVM。使用Scikit-Learn库。在scikit-learn中我们有SVC分类器，我们用它来完成这个任务。将在下一次实现时使用kernel-trick。Python代码见此处,Jupyter notebook见此处。

朴素贝叶斯分类器(Naive Bayes Classifier)和黑盒机器学习(Black Box Machine Learning) | 第15天

学习不同类型的朴素贝叶斯分类器同时开始Bloomberg的课程。课程列表中的第一个是黑盒机器学习。它给出了预测函数，特征提取，学习算法，性能评估，交叉验证，样本偏差，非平稳性，过度拟合和超参数调整的整体观点。

通过内核技巧实现支持向量机 | 第16天

使用Scikit-Learn库实现了SVM算法以及内核函数，该函数将我们的数据点映射到更高维度以找到最佳超平面。

在Coursera开始深度学习的专业课程 | 第17天

在1天内完成第1周和第2周内容以及学习课程中的逻辑回归神经网络。

继续Coursera上的深度学习专业课程 | 第18天

完成课程1。用Python自己实现一个神经网络。

学习问题和Yaser Abu-Mostafa教授 | 第19天

开始Yaser Abu-Mostafa教授的Caltech机器学习课程-CS156中的课程1。这基本上是对即将到来的课程的一种介绍。他也介绍了感知算法。

深度学习专业课程2 | 第20天

完成改进深度神经网络第1周内容：参数调整，正则化和优化。

网页搜罗 | 第21天

观看了一些关于如何使用Beautiful Soup进行网络爬虫的教程，以便收集用于构建模型的数据。

学习还可行吗? | 第22天

完成Yaser Abu-Mostafa教授的Caltech机器学习课程-CS156中的课程2。学习Hoeffding不等式。

决策树 | 第23天

统计学习理论的介绍 | 第24天

Bloomberg ML课程的第3课介绍了一些核心概念，如输入空间，动作空间，结果空间，预测函数，损失函数和假设空间。

决策树 | 第25天

决策树实现

跳到复习线性代数 | 第26天

发现YouTube一个神奇的频道3Blue1Brown，它有一个播放列表《线性代数的本质》。看完了4个视频，包括了向量，线性组合，跨度，基向量，线性变换和矩阵乘法。

B站播放列表在这里。

跳到复习线性代数 | 第27天

继续观看了4个视频，内容包括三维变换、行列式、逆矩阵、列空间、零空间和非方矩阵。

B站播放列表在这里。

跳到复习线性代数 | 第28天

继续观看了3个视频，内容包括点积和叉积。

B站播放列表在这里。

跳到复习线性代数 | 第29天

观看了剩余的视频12到14，内容包括特征向量和特征值，以及抽象向量空间。

B站播放列表在这里。

微积分的本质 | 第30天

完成上一播放列表后，YouTube推荐了新内容《微积分的本质》，今天看完了其中的3个视频，包括导数、链式法则、乘积法则和指数导数。

B站播放列表在这里。

微积分的本质 | 第31天

观看了2个视频，内容包括隐分化与极限。

B站播放列表在这里。

微积分的本质 | 第32天

观看了剩余的4个视频，内容包括积分与高阶导数。

B站播放列表在这里。

随机森林 | 第33天

随机森林 | 第34天

随机森林实现

什么是神经网络？ | 深度学习，第1章 | 第 35天

Youtube频道3Blue1Brown中有精彩的视频介绍神经网络。这个视频提供了很好的解释，并使用手写数字数据集演示基本概念。

B站视频在这里。

梯度下降法，神经网络如何学习 | 深度学习，第2章 | 第36天

Youtube频道3Blue1Brown关于神经网络的第2部分，这个视频用有趣的方式解释了梯度下降法。推荐必须观看169.

B站视频在这里。

反向传播法究竟做什么？ | 深度学习，第3章 | 第37天

Youtube频道3Blue1Brown关于神经网络的第3部分，这个视频主要介绍了偏导数和反向传播法。

B站视频在这里。

反向传播法演算 | 深度学习，第4章 | 第38天

Youtube频道3Blue1Brown关于神经网络的第3部分，这个视频主要介绍了偏导数和反向传播法。

B站视频在这里。

第1部分 | 深度学习基础Python，TensorFlow和Keras | 第39天

视频地址在这里。
中文文字版notebook。

第2部分 | 深度学习基础Python，TensorFlow和Keras | 第40天

视频地址在这里。
中文文字版notebook。

第3部分 | 深度学习基础Python，TensorFlow和Keras | 第41天

视频地址在这里。
中文文字版notebook。

第4部分 | 深度学习基础Python，TensorFlow和Keras | 第42天

视频地址在这里。
中文文字版notebook。

K-均值聚类 | 第43天

转到无监督学习，并研究了聚类。可在作者网站查询。发现一个奇妙的动画有助于理解K-均值聚类。

K-均值聚类 | 第44天

实现（待添加代码）

深入研究 | NUMPY | 第45天

得到JK VanderPlas写的书《Python数据科学手册（Python Data Science HandBook）》，Jupyter notebooks在这里。
高清中文版pdf
第2章：NumPy介绍，包括数据类型、数组和数组计算。
代码如下：
2 NumPy入门
2.1 理解Python中的数据类型
2.2 NumPy数组基础
2.3 NumPy数组的计算：通用函数

深入研究 | NUMPY | 第46天

第2章： 聚合, 比较运算符和广播。
代码如下：
2.4 聚合：最小值、最大值和其他值
2.5 数组的计算：广播
2.6 比较、掩码和布尔运算

深入研究 | NUMPY | 第47天

第2章： 花哨的索引，数组排序，结构化数据。
代码如下：
2.7 花哨的索引
2.8 数组的排序
2.9 结构化数据：NumPy的结构化数组

深入研究 | PANDAS | 第48天

第3章：Pandas数据处理
包含Pandas对象，数据取值与选择，数值运算方法，处理缺失值，层级索引，合并数据集。
代码如下：
3 Pandas数据处理
3.1 Pandas对象简介
3.2 数据取值与选择
3.3 Pandas数值运算方法
3.4 处理缺失值
3.5 层级索引
3.6 合并数据集：ConCat和Append方法

深入研究 | PANDAS | 第49天

第3章：完成剩余内容-合并与连接，累计与分组，数据透视表。
代码如下：
3.7 合并数据集：合并与连接
3.8 累计与分组
3.9 数据透视表

深入研究 | PANDAS | 第50天

第3章：向量化字符串操作，处理时间序列。
代码如下：
3.10 向量化字符串操作
3.11 处理时间序列
3.12 高性能Pandas：eval()与query()

深入研究 | MATPLOTLIB | 第51天

第4章：Matplotlib数据可视化
学习简易线形图, 简易散点图，密度图与等高线图.
代码如下：
4 Matplotlib数据可视化
4.1 简易线形图
4.2 简易散点图
4.3 可视化异常处理
4.4 密度图与等高线图

深入研究 | MATPLOTLIB | 第52天

第4章：Matplotlib数据可视化
学习直方图，配置图例，配置颜色条，多子图。
代码如下：
4.5 直方图
4.6 配置图例
4.7 配置颜色条
4.8 多子图
4.9 文字与注释

深入研究 | MATPLOTLIB | 第53天

第4章：Matplotlib数据可视化
学习三维绘图。
4.12 画三维图

层次聚类 | 第54天

动画演示

100-Days-Of-ML-Code 快速上手指南

本指南基于开源项目 100-Days-Of-ML-Code，旨在帮助开发者通过 100 天的系统化学习路径，掌握从数据预处理到深度学习的核心机器学习技能。该项目包含详细的每日学习计划、信息图（Info-graphs）以及 Python 代码实现。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Windows, macOS 或 Linux
• Python 版本：推荐 Python 3.8 及以上版本
• 核心依赖库：
  • numpy (数值计算)
  • pandas (数据处理)
  • matplotlib & seaborn (数据可视化)
  • scikit-learn (机器学习算法实现)
  • jupyter (交互式笔记本运行环境)
  • tensorflow / keras (深度学习部分，可选)

国内加速建议：推荐使用清华源或阿里源安装 Python 包，以提升下载速度。

安装步骤

1. 克隆项目代码

使用 Git 将项目仓库克隆到本地：

git clone https://github.com/MachineLearning100/100-Days-Of-ML-Code.git
cd 100-Days-Of-ML-Code

2. 创建虚拟环境（推荐）

为了避免依赖冲突，建议创建独立的虚拟环境：

python -m venv ml_env
# Windows
ml_env\Scripts\activate
# macOS/Linux
source ml_env/bin/activate

3. 安装依赖

项目根目录通常包含 requirements.txt（若不存在，可手动安装核心库）。建议使用国内镜像源加速安装：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

如果项目中未提供 requirements.txt，请直接安装核心科学计算栈：

pip install numpy pandas matplotlib scikit-learn jupyter tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple

4. 获取数据集

项目所需的数据集位于 datasets 文件夹中。如果克隆时未包含数据（或因 LFS 限制），请手动下载：

• GitHub 直接下载：访问 datasets 目录 下载所需 CSV 文件。
• 放置位置：将下载的数据文件放入项目根目录下的 datasets/ 文件夹中，以确保代码中的相对路径引用正确。

基本使用

本项目按“天”组织内容，每一天对应一个特定的机器学习主题（如数据预处理、线性回归、SVM 等）。最简单的使用方式是进入对应的 Code 目录，运行当天的 Jupyter Notebook 或 Python 脚本。

示例：运行第 1 天（数据预处理）

1. 启动 Jupyter Notebook： 在项目根目录下运行：

   jupyter notebook
   

2. 导航至代码目录： 在浏览器打开的界面中，进入 Code 文件夹。

3. 选择并运行笔记： 点击 Day 1_Data_Preprocessing.ipynb (或对应的 .md 文件查看说明)。

   或者，直接在终端运行对应的 Python 脚本（如果提供）：

   # 假设当前在 Code 目录下
   python Day_1_Data_Preprocessing.py
   

示例：运行第 2 天（简单线性回归）

按照同样的逻辑，进入 Code 目录并运行：

# 方式 A: 使用 Jupyter (推荐，可查看中间结果和图表)
jupyter notebook Day_2_Simple_Linear_Regression.ipynb

# 方式 B: 直接运行脚本
python Day_2_Simple_Linear_Regression.py

学习路径建议

• 基础阶段 (Day 1-14)：重点掌握数据预处理、线性回归、逻辑回归及 SVM 的原理与 scikit-learn 实现。
• 进阶阶段 (Day 15-42)：深入学习决策树、随机森林、神经网络基础及 TensorFlow/Keras 框架。
• 无监督学习与深化 (Day 43+)：探索聚类算法，并结合《Python 数据科学手册》深入复习 NumPy、Pandas 和 Matplotlib 的高级用法。

提示：每个文件夹下的 Info-graphs 目录包含了精美的知识总结图，建议在编写代码前先行阅读，以建立直观的理论认知。