机器学习算法
这一年多来，Datawhale已经分享了数百篇学习干货。根据大家反馈，学习的问题主要有，一是不清楚怎么入门，二是感觉不够成体系。 所以后面打算把开源的内容逐步体系化，形成数学基础，python基础，机器学习，深度学习，数据分析，数据挖掘等多个知识专题，再结合专题组织学习活动。其中机器学习见下图。
今天，我们从第一个算法开始：逻辑回归算法（可以说是最经典最常用的机器学习算法）
逻辑回归
逻辑回归（Logistic regression，简称LR）虽然其中带有"回归"两个字，但其实是一个分类模型。逻辑回归的模型极为简单，同时模型的可解释性也很强。可以广泛用于各个领域，包括大多数医学和社会科学等领域。逻辑回归还是很多分类算法的基础组件。
逻辑回归是机器学习最基础的算法之一，简单易学，实用有效。便于初学者也能很好地入门和实践。根据之前的学习经验，梳理的学习内容如下:
逻辑回归算法原理
逻辑回归算法实践
基于鸢尾花（iris）数据集的分类预测
学习实践
考虑到在Github的开源内容经常打不开，上述内容也开源在了国内阿里云社区。阿里云作为Datawhale开源支持方，将提供免配置运行环境和免费算力支持。点击开始体验，即可学习实践，还是比较方便的。开源地址：https://developer.aliyun.com/ai/scenario/9ad3416619b1423180f656d1c9ae44f7（复制用电脑打开）
对于每月的组队学习，很多初学者和在职同学反馈，学习难度和学习量还是有些大的。为了解决这个问题，我们打算组织一些轻量级的学习，比如机器学习算法学习，可以每周学习1个算法即可，多些实践和探讨交流。
“一起学习，点赞三连↓
