这是一个系统性的统计学习与自然语言处理(NLP)算法学习项目，逐步实现各种机器学习算法。本项目旨在帮助学习者深入理解算法原理，并通过代码实践掌握算法实现细节。
th-nlp-learning/
├── 1. 统计学习方法/
│ ├── book/ # 相关书籍资料
│ └── codes/ # 算法代码实现
│ ├── 第02章 感知机/
│ ├── 第03章 k近邻法/
│ ├── 第04章 朴素贝叶斯法/
│ ├── 第05章 决策树/
│ ├── 第06章 逻辑斯蒂回归与最大熵模型/
│ └── ...
└── README.md
欢迎关注我们的微信公众号「三黄工作室」，获取更多技术分享、学习资源和算法解析！
在这里你可以找到：
- 📘 深度技术文章解析
- 📚 系统化的学习路线
- 🔥 最新AI技术动态
- 💡 实用编程技巧
| 章节 | 算法 | 状态 | 说明 |
|---|---|---|---|
| 第02章 | 感知机（Perceptron） | ✅ | 原始形式实现，带可视化 |
| 第03章 | k近邻法（KNN） | ✅ | KD-Tree实现，支持低维高效搜索 |
| 第04章 | 朴素贝叶斯法 | ✅ | 多项式模型，拉普拉斯平滑 |
| 第05章 | 决策树 | ✅ | ID3（信息增益）、C4.5（信息增益率）、CART（基尼指数） |
| 第06章 | 逻辑斯蒂回归与最大熵模型 | ✅ | 二分类、多分类模型（手写+sklearn对比） |
| 第07章 | 支持向量机 | ✅ | 线性SVM（原始形式）、非线性SVM（RBF/多项式/Sigmoid核） |
| 第08章 | 提升方法 | ✅ | AdaBoost、GBDT（手写实现+对比） |
| - | - | 🚧 | 努力更新中... |
本项目使用 uv 管理依赖：
# 安装 uv（如果未安装）
pip install uv
# 同步依赖
uv sync- Python >= 3.11
- matplotlib >= 3.10
- numpy >= 2.2
- scikit-learn >= 1.7
本项目采用 MIT License。
⭐ 如果这个项目对你有帮助，请给我们一个Star！
欢迎提交 Issue 和 Pull Request！
如有问题或建议，请通过以下方式联系我们：
- 提交 Issue
- 关注微信公众号「三黄工作室」