mirror of
https://github.com/apachecn/ailearning.git
synced 2026-02-13 07:15:26 +08:00
55 lines
1.8 KiB
Markdown
55 lines
1.8 KiB
Markdown
# 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)
|