分享自己实现的一些机器学习算法

自学机器学习算法也有六个月了，也累积不少代码了，发出来供初学者参考，要是能有大佬批评指正一下最好了。
代码注释都是中文的，还有一些补充说明。注释和部分命名借鉴了 sklearn，极少量的实现思路参考了 sklearn/libsvm 源码。
由于个人能力有限，性能上表现得不太令人满意，训练示例中有很多地方和 sklearn 做了对比，性能上平均差距在 30 倍左右，有些地方代码还写得很累赘，待自己水平提高后会再重写以前的实现的。

ide: anaconda3(64bit)(python3.6)

使用到的类库：
主要 numpy, pandas, matlibplot
少量 scipy, numba

目前已实现的算法和能处理的问题类型
回归：线性回归，逻辑回归 -> 回归，多分类
决策树：ID3，C4.5，CART -> 多分类，多分类，多分类 /回归
集成学习：随机森林，adaboost，GBDT -> 多分类 /回归，多分类 /回归，多分类 /回归
支持向量机(线性核 /多项式核 /径向基核) -> 多分类 /回归
朴素贝叶斯 -> 多分类
（还有一个孤立森林，用于处理离群点的，但是很早之前写的了，很不完善，忽视掉吧）

用于分类的多层感知器已经写好了，但还在进一步学习和研磨，所以还要一阵子才会上传。
（为了加速运算，折腾了一阵子 cuda，但没收到预期的效果，只能暂时放弃了，太憋屈了）

链接：
https://github.com/jiedawang/machine-learning-python