Blogs of Machine Learning In Action

Contact me

本系列博客是在学习《机器学习实战》中，主要参考了Machine-Learning@GitHub中的代码，但是代码有些写的很繁杂，可读性较低，因此对部分代码进行了一定的修改，主要是函数中的重新实现，目的是可读，逻辑性更清晰，完全可以替换原来的相应函数。

AdaBoost部分代码精简优化

类型可以更精炼

SVM部分代码精简优化

优化部分不必要的代码
使用内置函数更方便
Broadcasting优于tile

Logistic Regression部分代码精简优化

优化部分逻辑不必要的代码
列表推导更加高效

内置函数可以优化代码
列表推导更加高效
语言特性简化代码

Decision Tree部分代码精简优化

使用列表推导可以简化代码，逻辑更清楚
内置函数可以优化代码
Counter可以省去很多不必要的工作 —

knn部分的代码精简优化

尽量不要使用tile
利用broadcasting特性可以减少代码，加快运算速度
Counter可以省去很多不必要的工作