# MachineLearning

**Mahchine Leaning in Action (python) | [ApacheCN(apache中文网)](http://www.apache.wiki/display/ML)**

## 第一部分  分类

* 1) 机器学习基础
    * [机器学习基础](./docs/1.机器学习基础.md)
* 2) k-近邻算法
    * [k-近邻算法](./docs/2.k-近邻算法.md)
* 3) 决策树
    * [决策树](./docs/3.决策树.md)
* 4) 基于概率论的分类方法：朴素贝叶斯
    * [朴素贝叶斯](./docs/4.朴素贝叶斯.md)
* 5) Logistic回归
    * [Logistic回归](./docs/5.Logistic回归.md)
* 6) 支持向量机
    * [支持向量机](./docs/6.支持向量机.md)
* 7) 利用AdaBoost元算法提高分类
    * [利用AdaBoost元算法提高分类](./docs/7.利用AdaBoost元算法提高分类.md)

## 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
    * [预测数值型数据：回归](./docs/8.预测数值型数据：回归.md)
* 9) 数回归
    * [树回归](./docs/9.树回归.md)

## 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](./docs/10.k-means聚类.md)
* 11) 使用Apriori算法进行关联分析
   * [使用Apriori算法进行关联分析](./docs/11.使用Apriori算法进行关联分析.md)
* 12) 使用FP-growth算法来高效发现频繁项集
   * [使用FP-growth算法来高效发现频繁项集](./docs/12.使用FP-growth算法来高效发现频繁项集.md )

## 第四部分  其他工具

* 13) 使用PCA来简化数据
    * [利用PCA来简化数据](./docs/13.利用PCA来简化数据.md)
* 14) 使用SVD简化数据
    * [使用SVD简化数据](./docs/14.使用SVD简化数据.md)
* 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
* [ApacheCN(apache中文网) 维护更新](http://www.apache.wiki/display/ML)