本文關(guān)鍵詞：機(jī)器學(xué)習(xí)實(shí)戰(zhàn)，由筆耕文化傳播整理發(fā)布。

《機(jī)器學(xué)習(xí)實(shí)戰(zhàn)》學(xué)習(xí)筆記

很久沒(méi)寫(xiě)過(guò)博客了，，一重開(kāi)就給自己挖了這么一個(gè)大坑……

最近一段時(shí)間看了《機(jī)器學(xué)習(xí)實(shí)戰(zhàn)》這本書(shū)，感覺(jué)寫(xiě)得不錯(cuò)，認(rèn)真看了看。關(guān)于這本書(shū)的書(shū)評(píng)及購(gòu)買(mǎi)事宜請(qǐng)移步豆瓣、京東、亞馬遜等網(wǎng)站，這里不多說(shuō)。不過(guò)有一點(diǎn)，感覺(jué)這本書(shū)有個(gè)很好的地方是給出了各個(gè)算法的Python實(shí)現(xiàn)代碼和講解，要求不高的話(huà)可以拿來(lái)用了（懶）。在這里想好好寫(xiě)寫(xiě)從這本書(shū)中學(xué)到的東西，文中的代碼和主要內(nèi)容也將均來(lái)自這本書(shū)。

目錄

第一部分 分類(lèi)

第1章 機(jī)器學(xué)習(xí)基礎(chǔ)

第2章 k-近鄰算法

第3章 決策樹(shù)

第4章 基于概率論的分類(lèi)方法：樸素貝葉斯

第5章 Logistic回歸

第6章 支持向量機(jī)

第7章 利用Adaboost元算法提高分類(lèi)性能

第二部分 利用回歸預(yù)測(cè)數(shù)值型數(shù)據(jù)

第8章 預(yù)測(cè)數(shù)值型數(shù)據(jù)：回歸

第9章 樹(shù)回歸

第三部分 無(wú)監(jiān)督學(xué)習(xí)

第10章 利用K-均值聚類(lèi)算法對(duì)未標(biāo)注數(shù)據(jù)分組

第11章 使用Apriori算法進(jìn)行關(guān)聯(lián)分析

第四部分 其他工具

第13章 利用PCA來(lái)簡(jiǎn)化數(shù)據(jù)

第14章 利用SVD簡(jiǎn)化數(shù)據(jù)

第15章 大數(shù)據(jù)與MapReduce

本書(shū)的主頁(yè)：https://www.manning.com/books/machine-learning-in-action

書(shū)中的代碼和所使用的數(shù)據(jù)集可以在主頁(yè)或者這里（作者的GitHub版本庫(kù)）找到。

書(shū)中有的代碼均使用Python 2.7，并廣泛使用了NumPy模塊，若干章中還使用了Matplotlib模塊進(jìn)行繪圖�？梢园惭bPython 2.7的官方發(fā)行版，然后依次安裝NumPy和Matplotlib模塊（需要解決依賴(lài)）。在這里推薦直接安裝Python發(fā)行版Anaconda，已經(jīng)內(nèi)置了很多科學(xué)計(jì)算所需的模塊，可直接使用。

posted @

  本文關(guān)鍵詞：機(jī)器學(xué)習(xí)實(shí)戰(zhàn)，由筆耕文化傳播整理發(fā)布。