wzyonggege/statistical-learning-method

해결하는 문제

이 프로젝트는 고전적 통계 학습 방법의 수학적 이론과 실제 구현 사이에 명확하고 교육적인 다리를 제공합니다. 라이브러리 단축키에 의존하지 않고 Python에서 처음부터 알고리즘을 구축함으로써 학습자가 알고리즘이 어떻게 작동하는지 이해하도록 돕습니다.

작동 방식

저장소에는 9개의 Jupyter 노트북이 포함되어 있으며, 각각은 기본적인 머신러닝 알고리즘(결정 트리, SVM, 나이브 베이즈 등)에 전념합니다. 각 노트북은 기반 수학을 설명하고 손으로 작성된 Python 구현을 제공합니다. 프로젝트는 비교 목적으로 scikit-learn을 사용하지만, 핵심 로직은 수동으로 코딩되어 교육적 초점이 알고리즘의 메커니즘에 남아 있도록 합니다.

대상 독자

이것은 머신러닝을 "블랙박스"로 사용하는 것을 넘어 이러한 고전적 모델이 어떻게 구축되고 최적화되는지에 대한 깊고 기초적인 이해를 얻고자 하는 학생, 연구자 또는 개발자를 위해 설계되었습니다.

주요 특징

• 핵심 통계 학습 주제를 다루는 9개의 포괄적인 노트북을 포함합니다.
• 수학적 개념을 보여주기 위해 손으로 작성된 구현을 우선시합니다.
• 현대 Python(3.10–3.13)에 완전히 업데이트되었으며 uv를 사용한 재현 가능한 의존성 관리를 제공합니다.
• 모든 노트북이 기능하고 정확한지 보장하기 위한 자동 검증 및 테스트를 포함합니다.
• 원본 교육 콘텐츠를 보존하면서 현대적이고 안정적인 런타임 환경을 제공합니다.