机器学习实战笔记(python3实现)01--概述

写在前面:这一个多月都在学习python,从python3基础、python爬虫、python数据挖掘与数据分析都有接触,最近看到一本机器学习的书(主要是学习相关算法)

于是就打算来做这份机器学习的笔记,笔记主要来源是《机器学习实战》以及网上一些博客资料和自己的理解,主要做我个人学习所用,初学者水平有限,文中难免有

纰漏和疏忽的地方,在此若有错误,还请不吝赐教,谢谢!

 

机器学习算法分为有监督学习无监督学习

这本书前两部分介绍的是有监督学习,第三部分介绍的是无监督学习(也称聚类)。

有监督学习有两种功能,一种是分类(本书第一部分介绍),一种是回归预测(本书第二部分介绍)。

这样就对这本书的思路有了一个总体把握。

本书涉及算法包括:k-近邻算法(KNN)、决策树、朴素贝叶斯、Logistic回归、支持向量机(SVM)、AdaBoost算法、k-均值聚类算法(k-means)、Apriori算法、PCA等。

另外,本书是通过“原理简述+问题实例+实际代码+运行效果”来分别介绍每个算法的,

原书代码在Python2中实现,本系列文章会对其进行部分修改,使其能在Python3中运行,且代码侧重帮助加深理解算法原理。

posted @ 2017-11-27 18:15  huster-stl  阅读(532)  评论(0编辑  收藏  举报