内容简介
机器学习实战
目录
第一部分 分类
第二章 K-近邻算法
第三章 决策树
基于概率论的分类方法：朴素贝叶斯
第五章 Logistic 回归
第六章 支持向量机
第七章 利用AdaBoost原算法提高分类性能
第八章 利用回归预测数值型数据
第九章 树回归
第三部分 无监督学习
第十章 利用K-均值聚类算法对未标注数据分组
第十一章 使用Apriori算法进行关联分析
第十二章 使用FF-growth算法来高效发现频繁项集
第四部分 其他工具
第十三章 利用PCA来简化数据
第十四章 SVD简化数据
第十五章 大数据与MapReduce
第二章 K-近邻算法
第三章 决策树
基于概率论的分类方法：朴素贝叶斯
第五章 Logistic 回归
第六章 支持向量机
第七章 利用AdaBoost原算法提高分类性能
第八章 利用回归预测数值型数据
第九章 树回归
第三部分 无监督学习
第十章 利用K-均值聚类算法对未标注数据分组
第十一章 使用Apriori算法进行关联分析
第十二章 使用FF-growth算法来高效发现频繁项集
第四部分 其他工具
第十三章 利用PCA来简化数据
第十四章 SVD简化数据
第十五章 大数据与MapReduce
免责申明：
1. 本站分享的所有书籍均来源于自互联网，我们只进行收集整理，并不对书籍内容进行更改。
2. 部分书籍中可能有书籍压制者放置的广告，这并不是本站所为，请注意甄别。
3. 我们分享这些书籍，纯粹是出于知识分享的热情，以及对互联网分享精神的高度认同和践行，没有任何商业目的。
4. 本站分享的所有书籍，仅供个人学习研究使用，请勿用于任何商业用途，否则产生的一切法律纠纷与本站无关。
5. 如果这些书籍让你有所收获，在条件允许的情况下，请一定购买正版书籍，这是对创作者最好的支持。
6. 如果您是此书籍的版权所有者，且您不希望此作品出现在本站，请联系我们，我们将在收到您的请求后48时间内予以删除。
1. 本站分享的所有书籍均来源于自互联网，我们只进行收集整理，并不对书籍内容进行更改。
2. 部分书籍中可能有书籍压制者放置的广告，这并不是本站所为，请注意甄别。
3. 我们分享这些书籍，纯粹是出于知识分享的热情，以及对互联网分享精神的高度认同和践行，没有任何商业目的。
4. 本站分享的所有书籍，仅供个人学习研究使用，请勿用于任何商业用途，否则产生的一切法律纠纷与本站无关。
5. 如果这些书籍让你有所收获，在条件允许的情况下，请一定购买正版书籍，这是对创作者最好的支持。
6. 如果您是此书籍的版权所有者，且您不希望此作品出现在本站，请联系我们，我们将在收到您的请求后48时间内予以删除。
📖 支持知识自由流动
这本书的持续提供，需要服务器运行成本支持（约 3.7元/小时）
