📘 Machine Learning Knowledge Base

一个系统、完整、可复用的机器学习知识点库。
覆盖算法原理、代码实现、公式推导、面试总结、工程实践。

项目简介 • 项目结构 • 知识点目录 • 示例代码 • 安装与使用 • 贡献指南

---

🚀 项目简介

本项目旨在构建一个 结构化、系统化、可持续扩展的机器学习知识体系库，帮助学习者与工程实践者快速掌握机器学习核心概念、算法原理、模型实现与最佳实践。

特点包括：

• 📚 覆盖全面：监督/无监督/深度学习/特征工程/模型调优等
• 🧠 理论 + 实战：配套数学推导、代码示例
• 📈 工程化：包含工程经验总结、模型评估、部署方案
• 🧩 模块化设计：知识点清晰分区、可扩展性强
• 🧪 提供可运行 Notebook

---

🗂 项目结构

machine-learning-knowledge/
├── assets/               # 存放 README 封面图、示意图
├── notebooks/            # 可运行的 Jupyter Notebook
├── algorithms/           # 各类算法知识点
│   ├── linear_models/
│   ├── tree_models/
│   ├── ensemble/
│   ├── clustering/
│   ├── deep_learning/
│   └── ...
├── feature_engineering/  # 特征处理方法
├── model_evaluation/     # 模型评估指标、交叉验证、ROC、AUC 等
├── optimization/         # 超参调优，贝叶斯优化等
├── deployment/           # 模型部署、API、MLOps 内容
├── utils/                # 工具函数
└── README.md