导读
考虑接下来一段时间会出差在外，现将自己近1个月来学习ML算法的一点成果做以分享，相关源码纯干货版本已上传至GitHub，有需要者可通过"阅读原文"连接自行clone。
mySKlearn工程文件结构
GitHub仓库目录
几点说明：
- 算法进度：当前已完成大部分经典算法，包括：
- 线性回归模型3个、线性分类（逻辑斯蒂回归）1个
- 朴素贝叶斯2个，多项式NB和高斯NB
- 决策树分类和回归各1个
- K近邻分类和回归各1个
- Kmeans聚类1个
- 降维算法1个，PCA
- 常用预处理模型
- 常用模型选择函数及网格搜索类
- 常用评价指标
- 程序规范：代码基本符合sklearn标准，包括参数命名、接口规范等
- 代码来源：90%以上源码为个人学习后根据理解编写，极少数有参考sklearn官方源码（如调整兰德指数源码）或他人成果（ID3决策树实现和LinearRegression中梯度下降求解）
- 算法测试：毫无疑问，当前算法还远远达不到鲁棒性标准，仅添加了部分对数据的断言，遇到不合法输入还可能会出bug或报错
- 后续：下步将逐步添加SVM以及部分集成学习算法实现，并持续优化已有算法实现
源码断续更新中……
