机器学习

第一部分：分类

• 第二章：k-近邻算法

  • 基本理论
  • 代码解析

• 第三章：决策树

  • 基本理论
  • 代码解析

• 第四章：基于概率论的分类方法：朴素贝叶斯

  • 基本理论
  • 代码解析

• 第五章：Logistic回归

  • 基本理论
  • 代码解析

• 第六章：支持向量机

  • 基本理论
  • 代码解析

• 第七章：集成学习

  • 基本理论
  • 代码解析

第二部分：回归

• 第八章：线性回归

  • 基本理论
  • 代码解析

• 第九章：树回归

  • 基本理论
  • 代码解析

第三部分：无监督学习

• 第十章：K-Means聚类

  • 基本理论
  • 代码解析

• 第十一章：使用Apriori算法进行关联分析

  • 基本理论
  • 代码解析

• 第十二章：使用FP-growth算法来高效发现频繁项集

  • 基本理论
  • 代码解析

第四部分：工具

• 第十三章：利用PCA来简化数据

  • 基本理论
  • 代码解析

• 第十四章：利用SVD简化数据

  • 基本理论
  • 代码解析

第五部分：进阶

• 第十五章：EM算法

  • 基本理论
  • 代码解析

​

​

​

​