- 博客(0)
- 资源 (3)
- 收藏
- 关注
机器学习 中文版
第一部分介绍基本的
数学工具和机器学习的概念。第二部分介绍最成熟的深度学习算法,这些技术基本
上已经得到解决。第三部分讨论某些具有展望性的想法,它们被广泛地认为是深度
学习未来的研究重点。
读者可以随意跳过不感兴趣或与自己背景不相关的部分。熟悉线性代数、概率
和基本机器学习概念的读者可以跳过第一部分,例如,当读者只是想实现一个能工
作的系统则不需要阅读超出第二部分的内容。为了帮助读者选择章节,
2018-01-22
Machine Learning in action
经典数据,学习机器算法。第一部分 分类
1.) 机器学习基础
2.) k-近邻算法
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.) 集成方法-随机森林和AdaBoost
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.) 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
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.) 利用PCA来简化数据
14.) 利用SVD简化数据
15.) 大数据与MapReduce
第五部分 项目实战(非课本内容)
16.) 推荐系统
2018-01-22
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人