Overview
产品概述
该项目是GitHub上MLEveryday/100-Days-Of-ML-Code仓库的中文版本，以中文记录机器学习100天学习过程。内容分为有监督学习与无监督学习两大部分：有监督学习包括数据预处理、简单/多元线性回归、逻辑回归、K近邻法、支持向量机、决策树和随机森林；无监督学习包括K-均值聚类和层次聚类。学习过程中包含每日笔记、信息图、Python代码与Jupyter Notebook实现，并广泛使用Scikit-Learn库。项目还提供翻译规范和FAQ，方便社区持续参与中文翻译和维护。
Capabilities
核心能力
系统化的100天学习路线
提供从数据预处理到线性回归、逻辑回归、K近邻、支持向量机、决策树、随机森林，再到K均值聚类和层次聚类的百天学习计划，覆盖常见监督学习和无监督学习主题。
配套代码与Notebook实践
每个主题结合Python示例代码和Jupyter Notebook，方便学习者在本地运行和修改，例如使用Scikit-Learn实现SVM分类器等。
社区化中文协作
作为英文原版的中文社区版本，项目内附翻译规范和FAQ，鼓励贡献者参与中文翻译、文档改进和问题讨论。
Use Cases
适用场景
-
01
机器学习零基础自学
学习者可按照100天进度表，从数据预处理开始逐步学习常见算法，并通过代码练习巩固理解。
-
02
教学与培训辅助资料
适合作为机器学习课程或培训的中文补充资料，每个算法都有原理讲解和可运行的代码示例，便于课堂演示与作业参考。
Integrations
集成能力
Scikit-Learn
项目中的多个算法示例基于Scikit-Learn库实现，如SVM、决策树和逻辑回归等。
Jupyter Notebook
提供Jupyter Notebook版本代码，方便交互式运行和记录学习笔记。
