# MachineLearning
> **欢迎任何人参与和完善：一个人可以走的很快，但是一群人却可以走的更远**
* **ApacheCN - 学习机器学习群【629470233】![ApacheCN - 学习机器学习群[629470233]](/images/MainPage/ApacheCN-group.png "ApacheCN - 学习机器学习群[629470233]")
**
* **Machine Learning in Action (机器学习实战) | [ApacheCN(apache中文网)](http://cwiki.apachecn.org/)**
* 电子版书籍：[【机器学习实战-中文版-带目录版.pdf】](https://github.com/apachecn/MachineLearning/tree/master/books)
* **视频每周更新：如果你觉得有价值，请帮忙点 Star【后续组织学习活动：sklearn + tensorflow】**
## 第一部分 分类
* 1.) [机器学习基础](./docs/1.机器学习基础.md)
* 2.) [k-近邻算法](./docs/2.k-近邻算法.md)
* 3.) [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](./docs/4.朴素贝叶斯.md)
* 5.) [Logistic回归](./docs/5.Logistic回归.md)
* 6.) [支持向量机](./docs/6.支持向量机.md)
* 7.) [集成方法-随机森林和AdaBoost](./docs/7.集成方法-随机森林和AdaBoost.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](./docs/8.预测数值型数据：回归.md)
* 9.) [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](./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](./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.) [利用PCA来简化数据](./docs/13.利用PCA来简化数据.md)
* 14.) [利用SVD简化数据](./docs/14.利用SVD简化数据.md)
* 15.) [大数据与MapReduce](./docs/15.大数据与MapReduce.md)
## 第五部分 项目实战(非课本内容)
* 16.) [推荐系统](/docs/16.推荐系统.md)
## 阶段性总结
* [2017-04-08_第一期的总结](/report/2017-04-08_第一期的总结.md)
* * *
* 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://cwiki.apachecn.org/)
* [关于我们](http://cwiki.apachecn.org/pages/viewpage.action?pageId=2887240)
* [加入我们](http://cwiki.apachecn.org/pages/viewpage.action?pageId=2887239)
[ApacheCN-机器学习视频-更新地址-AcFun](http://www.acfun.cn/u/12540256.aspx#page=1)
[ApacheCN-机器学习视频-更新地址-bilibili](https://space.bilibili.com/97678687/#!/index)
[ApacheCN-机器学习视频-更新地址-优酷](http://i.youku.com/apachecn)
[ApacheCN-机器学习视频-讨论版-百度云地址](https://pan.baidu.com/s/1eS44hCu)
