《机器学习实战》学习笔记
2015-05-17 23:26
190 查看
很久没写过博客了,一重开就给自己挖了这么一个大坑……
最近一段时间看了《机器学习实战》这本书,感觉写得不错,认真看了看。关于这本书的书评及购买事宜请移步豆瓣、京东、亚马逊等网站,这里不多说。不过有一点,感觉这本书有个很好的地方是给出了各个算法的Python实现代码和讲解,要求不高的话可以拿来用了(懒)。在这里想好好写写从这本书中学到的东西,文中的代码和主要内容也将均来自这本书。
目录
第一部分 分类
第1章 机器学习基础
第2章 k-近邻算法
第3章 决策树
第4章 基于概率论的分类方法:朴素贝叶斯
第5章 Logistic回归
第6章 支持向量机
第7章 利用Adaboost元算法提高分类性能
第二部分 利用回归预测数值型数据
第8章 预测数值型数据:回归
第9章 树回归
第三部分 无监督学习
第10章 利用K-均值聚类算法对未标注数据分组
第11章 使用Apriori算法进行关联分析
第12章 使用FP-growth算法来高效发现频繁项集
第四部分 其他工具
第13章 利用PCA来简化数据
第14章 利用SVD简化数据
第15章 大数据与MapReduce
书中的代码和所使用的数据集可以在这里找到:https://github.com/pbharrin/machinelearninginaction。
书中有的代码均使用Python 2.7,并广泛使用了NumPy模块,若干章中还使用了Matplotlib模块进行绘图。可以安装Python 2.7的官方发行版,然后依次安装NumPy和Matplotlib模块(需要解决依赖)。在这里推荐直接安装Python发行版Anaconda,已经内置了很多科学计算所需的模块,可直接使用。
最近一段时间看了《机器学习实战》这本书,感觉写得不错,认真看了看。关于这本书的书评及购买事宜请移步豆瓣、京东、亚马逊等网站,这里不多说。不过有一点,感觉这本书有个很好的地方是给出了各个算法的Python实现代码和讲解,要求不高的话可以拿来用了(懒)。在这里想好好写写从这本书中学到的东西,文中的代码和主要内容也将均来自这本书。
目录
第一部分 分类
第1章 机器学习基础
第2章 k-近邻算法
第3章 决策树
第4章 基于概率论的分类方法:朴素贝叶斯
第5章 Logistic回归
第6章 支持向量机
第7章 利用Adaboost元算法提高分类性能
第二部分 利用回归预测数值型数据
第8章 预测数值型数据:回归
第9章 树回归
第三部分 无监督学习
第10章 利用K-均值聚类算法对未标注数据分组
第11章 使用Apriori算法进行关联分析
第12章 使用FP-growth算法来高效发现频繁项集
第四部分 其他工具
第13章 利用PCA来简化数据
第14章 利用SVD简化数据
第15章 大数据与MapReduce
书中的代码和所使用的数据集可以在这里找到:https://github.com/pbharrin/machinelearninginaction。
书中有的代码均使用Python 2.7,并广泛使用了NumPy模块,若干章中还使用了Matplotlib模块进行绘图。可以安装Python 2.7的官方发行版,然后依次安装NumPy和Matplotlib模块(需要解决依赖)。在这里推荐直接安装Python发行版Anaconda,已经内置了很多科学计算所需的模块,可直接使用。
相关文章推荐
- 《机器学习实战》学习笔记(九)之聚类
- 《机器学习实战》学习笔记——kNN
- 学习笔记——《机器学习实战》KNN算法实现 约会网站测试,手写数字识别,代码,注释,错误修改
- 《机器学习实战》学习笔记
- python3.5《机器学习实战》学习笔记(五):决策树算法实战之预测隐形眼镜类型
- 《机器学习实战》学习笔记一:k-近邻算法(kNN)
- 《机器学习实战》学习笔记二:kNN算法实例 -- 手写体识别
- 《机器学习实战》学习笔记八:Logistics回归应用(预测病马死亡率)
- 《机器学习实战》学习笔记:支持向量机
- 《机器学习实战》学习笔记(六)之提升和Adaboost(下)项目实战
- 《机器学习实战》学习笔记(1)——k-近邻算法
- 《机器学习实战》学习笔记(七)之预测数值类型数据:回归
- 《机器学习实战》学习笔记四:使用Matplotlib注解绘制树形图
- 《机器学习实战》学习笔记:基于朴素贝叶斯的分类方法
- 《机器学习实战》学习笔记 --chapter3 决策树
- 《机器学习实战》学习笔记(二)
- 《机器学习实战》学习笔记(2)—— 使用ID3算法构造决策树
- [置顶] 《机器学习实战》学习笔记(四)之Logistic(上)基础理论及算法推导、线性回归,梯度下降算法
- [置顶] 《机器学习实战》学习笔记(五)之支持向量机(上)基础理论及算法推导
- 《机器学习实战》学习笔记:k-近邻算法的两个应用场景