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
写给人类的机器学习
gaolinjie
•
machine-learning
•
10页
•
2018年7月8日
29
吴恩达cs229
jiacheng-pan
•
machine-learning
•
15页
•
2019年5月12日
0
机器学习实战
RedstoneWill
•
machine-learning
•
24页
•
2018年6月29日
7
机器学习原理
shunliz
•
machine-learning
•
221页
•
2018年6月24日
2
前端开发者指南 2018
稀土
•
css3
•
html5
•
javascript
•
103页
•
2018年6月3日
282
Go 语言资源大全中文版
伯乐在线
•
go
•
74页
•
2018年6月29日
207
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
