欢迎访问本仓库！本项目系统整理了经典机器学习算法的实现与实践，覆盖从回归、分类、神经网络、聚类到推荐系统等多个核心模块
chapter_01_Linear_Regression✏️ 线性回归模型实现，包含梯度下降与正规方程两种优化方式。chapter_02_Logistic_Regression✅ 用于二分类任务的逻辑回归算法，含损失函数与梯度更新过程。chapter_03_Neural_Network💻 构建单隐层神经网络，实现前向传播机制。chapter_04_Back_Propagation🔁 推导并实现神经网络的反向传播算法，支持任意网络结构。chapter_05_Bias_and_Variance🧪 解析偏差-方差的权衡，介绍欠拟合与过拟合的判断与调优技巧。chapter_06_Support_Vector_Machines🧾 实现支持向量机的硬间隔/软间隔模型，结合核函数完成非线性分类。chapter_07_Kmeans📍 实现K均值聚类算法，含簇间划分与动态迭代收敛流程，可视化聚类效果。chapter_08_PCA🔽 主成分分析算法（PCA）的数学原理、SVD实现及可视化降维结果。chapter_09_Anomaly_Detection🚨 构建基于高斯分布的异常检测模型，适用于工业监测/入侵检测等场景。chapter_10_Recommender_Systems🎯 构建协同过滤推荐系统，涵盖基于邻域与基于矩阵分解的两种方法。