CS_ALearn/ailearning
1
0
Fork 0
mirror of https://github.com/apachecn/ailearning.git synced 2026-05-07 22:24:18 +08:00
Code Issues Projects Releases Wiki Activity

编写文档规范demo

Browse Source
This commit is contained in:
jiangzhonglian
2017-02-26 01:50:02 +08:00
parent 59940b7532
commit 3d9905cafa
3 changed files with 26 additions and 61 deletions
Download Patch File Download Diff File Expand all files Collapse all files

1
README.md
View File

@@ -5,6 +5,7 @@
## 第一部分 分类
* 1) 机器学习基础
* [1.机器学习基础](./docs/1.机器学习基础.md)
* 2) k-紧邻算法
* 3) 决策树
* 4) 基于概率论的分类方法：朴素贝叶斯

25
docs/1.机器学习基础.md Normal file
View File

@@ -0,0 +1,25 @@
# 1) 机器学习基础
* 机器学习是什么
* 把无序的数据转换成有用的信息。
* 机器学习的意义
* 我们利用计算机来彰显数据背后的真实含义。
* 监督学习
* 样本集：训练数据 + 测试数据
* 特征(feature-是否有缺失情况) + 目标变量(分类-离散值<A/B/C、 是/否>/回归-连续值<0~100、 -999～999>)
* `知识表示`：机器已经学会如何识别鸟类的过程
* 1.可以采用规则集的形式
* 2.可以采用概率分布的形式
* 3.可以使训练样本集中的一个实例
* 非监督学习
* 开发的步骤
* 1.收集数据
* 2.准备输入数据
* 3.分析输入数据
* 4.训练算法
* 5.测试算法
* 6.使用算法
* Python相关的库
* 科学函数库：SciPy、`NumPy`(底层语言：C和Fortran)
* 绘图工具库：`Matplotlib`

61
docs/README.md
View File

@@ -1,61 +0,0 @@
# MachineLearning
**Mahchine Leaning in Action (python)**
## 第一部分 分类
* 1) 机器学习基础
* 机器学习是什么
* 把无序的数据转换成有用的信息。
* 机器学习的意义
* 我们利用计算机来彰显数据背后的真实含义。
* 监督学习
* 样本集：训练数据 + 测试数据
* 特征(feature-是否有缺失情况) + 目标变量(分类-离散值<A/B/C、 是/否>/回归-连续值<0~100、 -999～999>)
* `知识表示`：机器已经学会如何识别鸟类的过程
* 1.可以采用规则集的形式
* 2.可以采用概率分布的形式
* 3.可以使训练样本集中的一个实例
* 非监督学习
* 开发的步骤
* 1.收集数据
* 2.准备输入数据
* 3.分析输入数据
* 4.训练算法
* 5.测试算法
* 6.使用算法
* Python相关的库
* 科学函数库：SciPy、`NumPy`(底层语言：C和Fortran)
* 绘图工具库：`Matplotlib`
* 2) k-紧邻算法
* 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) 利用AdaBoost元算法提高分类
## 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) 数回归
## 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
* 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) 使用PCA来简化数据
* 14) 使用SVD简化数据
* 15) 大数据与MapReduce
* * *
* 附录A Python入门
* 附录B 线性代数
* 附录C 概率论复习
* 附录D 资源
* 索引
* 版权声明