Machine-Learning

Machine-Learning copied to clipboard

一直以来，机器学习被很多人所向往，但是网络上的书籍以及一些视频都充斥着各种各样高端大气的词汇，这份学习履历希望可以帮助大家更快的接触到机器学习的本质理念，并可以用于开发测试。`简单，快捷`。 阅读以下文章前，建议先简单了解`python2.7`、`NumPy`、`Matplotlib`、`线性代数`、`概率论`等知识。

:point_right: 点击右上角star按钮 :star2: 或 watch按钮持续关注文章更新 :bell:

:point_right: 如果你没有安装python，请访问 在线运行python代码 :boom:

:point_right: 在线公式编辑器 与 在线函数图绘制器 :boom:

===

• [x] 何谓机器学习
• [x] k-近邻算法 - 相关代码
• [x] 决策树 - 相关代码
• [x] 朴素贝叶斯（基于概率论的分类方法） - 相关代码
• [x] Logistic回归 - 相关代码
• [x] 支持向量机 - 相关代码
• [ ] => AdaBoost算法提高分类性能 - 相关代码
• [ ] 预测数值型数据：回归 - 相关代码
• [ ] 树回归 - 相关代码
• [ ] k-增值聚类算法 - 相关代码
• [ ] Apriori算法进行关联分析 - 相关代码
• [ ] FP-growth算法高效发现频繁项集 - 相关代码
• [ ] 使用PCA简化数据 - 相关代码
• [ ] 使用SVD简化数据 - 相关代码

关于内容出处

文章内容来自 机器学习实战 一书，曾有人说，我的上述笔记就是在抄书。没错，大体的东西全部是抄来的，眼过千遍不如手过一遍。第一遍有些东西我不理解，但是我抄了一遍，看第二遍的时候，就会联想起来我所抄过的所有内容，这是我的学习方式。 为什么选择实战，因为我第一节编程课，就是先写出了一个Hello World再讲述其原因，因此，机器学习我认为在看到效果后再去究其原因也是一个不错的方法。

2017-1-14 ©[email protected]