【前言】sklearn原理-学前解说

大福利大福利，如果想深究机器学习的算法在sklearn这些软件包里是怎么实现的，那么，这个教程就是个大福利啦！在这一系列的内容里面，都是笔者亲自挖出sklearn源码，然后整理而已的教程。

好了，下面介绍一下都有哪些内容吧，以及阅读的建议。

一、sklearn算法原理-学前解说

1.1. 教程内容

这是笔者阅读了sklearn中的算法源码后，查找相关资料、补充完整相关的算法原理后，整理出来的教程。大家跟着教程，就可以很容易理解机器学习中各个算法的原理、以及自写代码复现出与sklearn一模一样的结果了。

目前复现出的算法有：

线性回归、岭回归、岭回归、逻辑回归、决策树、随机森林、Adaboost、GBDT
PCA主成分分析、LDA线性判别分析、QDA二次判别分析、因子分析FA、层次聚类算法、SVM等等。

大家在相关的栏目的就可以找到各个算法的教程了，大部分是开箱自sklearn，个别来自matlab。

• 笔者的建议

虽然笔者复现出了这么多算法的原理，但实际并不太建议大家都去看，以前不知道算法原理时，总想着知道，但知道之后发现，好像也没什么不同呀，但期间是真的烧了许多时间，所以如果不是必要，真没必要去纠结原理，知道了也就只是这么一回事，如果站在一般机器学习应用的角度来说，实在没必要花这么多时间去弄清楚这些底层的内容。

但如果是机器学习的技术热爱者，那么我就非常推荐大家看一看了，看完会对算法了解得非常清晰彻底，那种理论上的通畅感会让人心里非常踏实。虽然费时间，但同时也很爽，这些算法的推导，会把大家带到技术的新高度。

笔者整理这些原理时，不免感叹一些书讲得真得太浅了！比如逻辑回归，一般书只讲梯度下降，但matlab用的是牛顿法，它明显更快、更好，只不过理论会复杂许多、必须拿各种技术往上砸才能将它落实到位。

结束语

好了，大家赶紧去看看吧！如果是技术爱好者，建议逐个算法逐个算法由浅到深系统地看，如果是普通学习者，就挑选自己所需要的算法直接开箱吧！一句话：爱看就看，不看就不看，爱看哪个就看哪个，爱不看哪个就不看哪个！