MachineLearning

Mahchine Leaning in Action (python) | ApacheCN(apache中文网)

第一部分 分类

• 1. 机器学习基础
  • 机器学习基础
• 2. k-近邻算法
  • k-近邻算法
• 3. 决策树
  • 决策树
• 4. 基于概率论的分类方法：朴素贝叶斯
  • 朴素贝叶斯
• 5. Logistic回归
  • Logistic回归
• 6. 支持向量机
  • 支持向量机
• 7. 利用AdaBoost元算法提高分类
  • 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
  • 预测数值型数据：回归
• 9. 数回归
  • 树回归

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
  • k-means聚类
• 11. 使用Apriori算法进行关联分析
  • 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
  • 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
  • 利用PCA来简化数据
• 14. 使用SVD简化数据
  • 使用SVD简化数据
• 15. 大数据与MapReduce
  • 大数据与MapReduce

第五部分 项目实战(非课本内容 来之ApacheCN Team)

• 16. 推荐系统
  • 推荐系统
  • [后续 翻译完Spark ML继续跟进该项目, 欢迎有兴趣的朋友参与开源公益的活动]

阶段性总结

• 2017-04-08_第一期的总结

---

• 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
  • 关于我们
  • 加入我们