个人使用jupyter notebook整理的peter的《机器学习实战》代码，使其更有层次感，更加连贯，也根据自己的代码习惯，加了一些自己的修改，以及注释

这是给自己做的笔记，贴出来，也是希望大家一起学习!

注：原版所有代码点击这里       GitHub整理的资源apachecn/MachineLearning

adaBoost文件夹：AdaBoost元算法提高分类性能

apriori文件夹：Apriori算法进行关联分析

bayes文件夹：bayes算法用于垃圾邮件分类

decisionTree文件夹：使用决策树算法，进行数据分类

fp-growth文件夹：FP-growth算法加速发现频繁项集

kmeans文件夹：kmeans + 二分kmeans算法

k-Nearest Neighbor文件夹：k近邻算法 + 数值归一化

logistic文件夹：batch GD + SGD

pca文件夹：pca降维

pca和svd的比较：关于pca和svd的区别和联系，理论参见博客

regress文件夹：线性回归 + 局部加权线性回归 + 岭回归 + 向前逐步回归 

regressionTree文件夹：回归树+模型树

svd文件夹：svd降维 + 协同过滤算法进行物品推荐

svm文件夹：简化版smo实现svm(支持向量机)分类器