• 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
• Machine Learning in Action (机器学习实战) | ApacheCN(apache中文网)

• 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
• 7.1) 利用AdaBoost元算法提高分类
• 7.2) 随机森林的使用(非课本内容)

• 8.) 预测数值型数据:回归
• 9.) 树回归

• 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

• 13.) 利用PCA来简化数据
• 14.) 利用SVD简化数据
• 15.) 大数据与MapReduce

• 16.) 推荐系统【后续组织学习:机器学习框架sklearn、深度学习框架TensorFlow】

• 2017年04月08日_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

ApacheCN-ML视频-优酷地址 ApacheCN-ML视频-百度云地址