开源软件名称（OpenSource Name）：

开源软件地址(OpenSource Url)：

开源编程语言(OpenSource Language)：

开源软件介绍(OpenSource Introduction)：

自制机器学习

homemade-machine-learning

本项目包含了用 Python 实现流行的机器学习算法例子和他们背后的数学原理说明。每个例子包含交互的 Jupyter Notebook demo，你可以操作训练数据，算法配置，并且可以在你的播放器内立即看到结果、图表和预测值。本项目的大部分例子都基于吴恩达的《机器学习课程》。

本项目的目的不在于使用第三方库仅用几行完成机器学习算法，而是从零开始，使用算法背后的数学进行编写。这也是为什么所有算法实现都被称为“自制”，而不是为了产品应用。

有监督学习 Supervised Learning

在有监督学习中，我们有一个训练数据集合作为输入，每个训练集合有一个标签或“真值”集合作为输出。然后，我们训练模型（机器学习算法参数）正确地映射（正确预测）输入和输出。最终目的是找到一组模型参数，可以成功的把新数据的输入映射（预测）到输出。

回归 Regression

我们在回归问题中进行真实值预测。一般我们试图在训练数据中绘制线/平面/n维平面。

用途举例：股价预测，销售分析，任意数字的依赖度等。