本笔记记录笔者观看慕课网入门机器学习课程的笔记过程
主要以sikit-learn和numpy为技术栈，学习了机器学习入门的基本算法，并自己实现了部分sikit-learn中提供的算法
以下列出本笔记（课程）学习使用到的sikit-learn算法
gitbook地址-https://book.markgao.me/
简书地址-https://www.jianshu.com/nb/23944604

import sklearn.datasets
datasets.load_iris() # 用于加载鸢尾花数据集
datasets.load_digits() # 用于加载手写识别的数据集
datasets.load_boston() #  用于加载波士顿房价的数据集

fetch_mldata用于加载MNIST数据集
from sklearn.datasets import fetch_mldata

fetch_lfw_people用于加载人脸数据集
from sklearn.datasets import fetch_lfw_people

train_test_split用于分割测试数据集和训练数据集
from sklearn.model_selection import train_test_split

GridSearchCV用于进行参数搜索，寻找合适的超参数
from sklearn.model_selection import GridSearchCV

PolynomialFeatures进行多项式曾维处理，使用线性回归的方法解决非线性问题
from sklearn.preprocessing import PolynomialFeatures

 StandardScaler提供数据归一化运算
from sklearn.preprocessing import StandardScaler

KNeighborsClassifier是KNN算法解决分类问题的实现
from sklearn.neighbors import KNeighborsClassifier

 KNeighborsClassifier是KNN算法解决回归问题的实现
from sklearn.neighbors import KNeighborsRegressor

MSE的实现
from sklearn.metrics import mean_squared_error
MAE的实现
from sklearn.metrics import mean_absolute_error
r2_score的实现
from sklearn.metrics import r2_score

LinearRegression是线性回归算法的实现
from sklearn.linear_model import LinearRegression

SGDRegressor是梯度下降法相关的实现
from sklearn.linear_model import SGDRegressor

PCA给出了主成分分析法的相关实现
from sklearn.decomposition import PCA