机器学习实战

分类

第一章 机器学习基础

第二章 k-近邻算法

第三章 决策树

第四章 基于概率论的分类方法：朴素贝叶斯

第五章 Logistics回归

第六章 支持向量机

第七章 利用AdaBoost元算法提高分类性能

回归

第八章 预测数值型数据：回归

第九章 树回归

无监督学习

第十章 利用K-均值聚类算法对未标注数据分组

第十一章 使用Apriori算法进行关联分析

第十二章 使用FP-growth算法来高效发现频繁项集

其他

第十三章 利用PCA来简化数据

第十四章 利用SVD简化数据

第十五章 大数据与MapReduce

---

第一章 机器学习基础

第二章 k-近邻算法

第三章 决策树

 

第四章 基于概率论的分类方法：朴素贝叶斯

第五章 Logistics回归

第六章 支持向量机

第七章 利用AdaBoost元算法提高分类性能

第八章 预测数值型数据：回归

第九章 树回归

第十章 利用K-均值聚类算法对未标注数据分组

第十一章 使用Apriori算法进行关联分析

第十二章 使用FP-growth算法来高效发现频繁项集

第十三章 利用PCA来简化数据

第十四章 利用SVD简化数据

第十五章 大数据与MapReduce

 

待续~