Datawhale
作者：赵楠、杨开漠、谢文昕、张雨
寄语：本文针对5大机器学习经典算法，梳理了其模型、策略和求解等方面的内容，同时给出了其对应sklearn的参数详解和代码实现，帮助学习者入门和巩固机器学习理论知识。
作为Datawhale机器学习开源教程，主要对经典算法：线性回归、朴素贝叶斯、EM算法、条件随机场和支持向量机，给出了完整的学习路径，同时对学习内容进行梳理，并给出了Python代码实现，避免成为调包侠，做到知其然知其所以然。
开源贡献
开源贡献：赵楠、杨开漠、谢文昕、张雨
赵楠
技术和算法工作者
知乎：https://zhuanlan.zhihu.com/mrhomer
杨开漠
五邑大学计算机硕士
Github：https://github.com/km1994
谢文昕
上海交通大学博士
张雨
复旦大学在读博士
Github：https://github.com/Drizzle-Zhang
开源内容
机器学习初级算法共涉及五部分内容：线性回归算法、朴素贝叶斯、EM算法、条件随机场和支持向量机。项目链接：https://github.com/datawhalechina/team-learning/blob/master/机器学习算法基础
首先，每个算法开始模块会给出本章的学习知识点梳理，帮助学习者对所学算法有一个整体宏观的认知。
然后，针对每个知识点要进行详细的讲解，帮助学习者深入学习每个知识点。
最后，将算法的sklearn参数进行了详细的介绍，并给出了Python代码实现，帮助学习者完整动手实践。
学习路径
下图为机器学习经典算法的完整学习路径
开源地址
https://github.com/datawhalechina/team-learning/blob/master/机器学习算法基础
（或阅读原文）
“为开源贡献者点赞↓
