1.) 机器学习基础
机器学习实战
Machine Learning in Action
machine-learning
gaolinjie
18页
•
10 Star
•
2018年7月8日收录
开始阅读
书籍推荐
Google 深度学习笔记
ahangchen
•
machine-learning
•
19页
•
2018年6月5日
1243
神经网络与深度学习
tigerneil
•
machine-learning
•
9页
•
2018年6月5日
239
人工智能知识树
ApacheCN
•
machine-learning
•
1页
•
2019年5月26日
119
Docker-從入門到實踐
jasonblog
•
docker
•
82页
•
2018年5月30日
1
im-service 简介
yu000hong
•
code
•
37页
•
2019年5月26日
0
Logstash最佳实践
chenryn
•
logstash
•
54页
•
2018年6月3日
693
小字
大字
宋体
黑体
白天
护眼
夜晚
封面
简介
Introduction
第一部分 分类
1.) 机器学习基础
2.) k-近邻算法
3.) 决策树
4.) 基于概率论的分类方法：朴素贝叶斯
5.) Logistic回归
6.) 支持向量机
7.) 集成方法-随机森林和AdaBoost
第二部分 利用回归预测数值型数据
8.) 预测数值型数据：回归
9.) 树回归
第三部分 无监督学习
10.) 使用K-均值聚类算法对未标注数据分组:k-means聚类
11.) 使用Apriori算法进行关联分析
12.) 使用FP-growth算法来高效发现频繁项集
第四部分 其他工具
13.) 利用PCA来简化数据
14.) 利用SVD简化数据
15.) 大数据与MapReduce
第五部分 项目实战(非课本内容)
16.) 推荐系统
