---

環境： Python3.6.5
編譯器： Jupyter notebook
數據及代碼： 暫時放在我公眾號 【K同學啊】 內

---

第一天：數據預處理

初步接觸機器學習從數據的預處理開始，從導入第三方庫到處理丟失數據、創建虛擬變量再到拆分數據、特征標準化。

第二天：簡單線性回歸模型

接觸的第一個模型，線性回歸模型挺適合新手入門的，通過線性會回歸可以讓我們很好的了解到機器學習究竟是個什么東西。

第三天：多元線性回歸

多元線性回歸是簡單線性回歸的升級版，在數學的角度上來看，就是從一元方程升級到多元方程。

第四天：線性回歸及梯度下降

深入討論了線性回歸問題，理論聯系實際，初步接觸機器學習中的算法問題。

第五天：邏輯回歸

機器學習中經典模型之一，按照之前線性回歸的學習心得探索邏輯回歸模型

第六天：數據可視化神器–Matplotlib

可視化是機器學習中一個比較重要的點，一個模型的好與不好通過數據可視化可以很直觀的體現出來。

第七天：深入了解邏輯回歸

回到之前邏輯回歸的學習中，站在數學的角度上看待邏輯回歸。

第八天：IPyhon與Jupyter notebook

工欲善其事，必先利其器。這里總結一下之前用的工具IPython與jupyter notebook。

第九天：K-鄰近算法模型（KNN）

這里講的K-鄰近算法模型。

第十天：模型評價方法及代碼實現

這里記錄了主要的分類與回歸評價指標共8種，以及它們的代碼實現。

第十一天：樸素貝葉斯模型

這篇文章是通過經典的垃圾短信分類來介紹樸素貝葉斯模型。

總結

以上是生活随笔為你收集整理的机器学习100天：专栏目录的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。