先说点题外话吧，已经有很长段时间没码代码了，因为个人觉得代码什么时候时候敲都不晚，而数学总是学不完。直到最近才意识到，有必要把当前学的理论转化为代码。其实，在写这些代码的过程中，难的不是如何编程实现，而是如何理解那些数学推导过程。尤其是矩阵的运算，自己写的库还是很浅的，而对机器学习而言，大部分的运算都是建立在矩阵基础上的。再次说明，难得不是编程，而是算法，是数学！对于机器学习理论部分，以后有时间再搬上来（公式，图片实在麻烦）！
再来说说这些代码吧！算法在实现上主要考虑算法设计的核心，所以只提供算法实现的主要设计过程，同时提供训练数据和测试数据。这样即方便学习者理解算法本身，也提供了测试算法实现的正确性测试的基础！下面是程序主要实现的机器学习算法。
1 KNN
2 ID3，C4.5，CART
3 Adboost
4 bayes
5 线性回归，岭回归，局部加权线性回归
6 逻辑回归-梯度下降，随机梯度下降
7 SVM-SMO算法，核函数
8 Kmeans，二分Kmeans
9 MDP，动态规划求解MDP
10 Matrix库
11 deeplearning.ai
12 NLP
https://github.com/myazi/myLearn
https://github.com/myazi/myDL
https://github.com/myazi/NLP
欢迎机器学习同行们指点交流，互相学习！