一切刚刚开始~

本项目参考《机器学习实战》,是作者在学习过程中的笔记、总结。
基于书中代码案例的基础上,加以划分逻辑,添加注释。目的使算法思路更加清晰,提高代码可读性,方便更多初学者学习。

1. K-近邻算法
2. 决策树
3. 基于概率论的分类方法:朴素贝叶斯
4. Logistic回归
5. 支持向量机
6. 利用AdaBoost元算法提高分类

7. 预测数值型数据:回归
8. 树回归

9. 利用K-均值聚类算法对未标注数据分组
10. 使用Apriori算法进行关联
11. 使用FP-growthi算法来高效发现频繁项集

12. 利用PCA来简化数据
13. 利用SVD简化数据
14. 大数据与MapReduce

• 版本:Python3
• 作者:VPrincekin
• QQ: 934969547(DL-小王子)
• 参考书籍:《机器学习实战》
• 参考文档:ApacheCN-MachineLearning

注:项目中若存在不当之处,望不吝赐教。欢迎转载学习,请注明出处(https://github.com/VPrincekin/MachineLearning_V)