机器学习实战学习提纲

最新推荐文章于 2023-03-21 20:20:41 发布
最新推荐文章于 2023-03-21 20:20:41 发布
阅读量769 收藏 1
点赞数
分类专栏： Machine Learing
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/PKU_ZZY/article/details/54925354
版权

机器学习实战学习提纲

学习目录

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

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　　

对应总结

实战项目和相关心得总结随着学习跟进在不断更新，项目不一定与书里的项目一致。

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

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

pku_zzy
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
机器学习大纲、路线指导
11-30
 Python 基础与科学计算库 numpy  数据分析处理库与数据可视化库  回归算法  案例实战信用卡欺诈检测  决策树与随机森林  Kaggle 机器学习案例实战  支持向量机算法  神经网络模型  mnist 手写字体识别  聚类与集成算
机器学习算法大纲
qq_37526685的博客
03-12 299
机器学习算法 数学基础 函数介绍 向量 矩阵与张量 特征值和特征向量 奇异值分解 Jacobian 和Hessian矩阵 凸函数 概率问题 独立性随机变量 期望、方差和协方差 联合概率 分布 有监督学习 损失函数 梯度下降 牛顿法 有参数和无参数模型 KNN介绍 距离测算 朴素贝叶斯 决策树 决策树简介 信息熵 ID3算法 C4.5算法 决策树节点的划分 CART树 B...
Logistic回归
u013177494的博客
05-19 1207
logistic回归是一种广义线性回归（generalized linear model），因此与多重线性回归分析有很多相同之处。它们的模型形式基本上相同，都具有 w‘x+b，其中w和b是待求参数，其区别在于他们的因变量不同，多重线性回归直接将w‘x+b作为因变量，即y =w‘x+b，而logistic回归则通过函数L将w‘x+b对应一个隐状态p，p =L(w‘x+b),然后根据p 与1-p的
机器学习：考试预测实战（特征隐射，独热编码，特征重要性选择，网格搜索调参）
qq_33489955的博客
04-15 1795
声明：内容非原创，代码来自葁sir import numpy as np import pandas as pd from pandas import Series,DataFrame from sklearn.model_selection import train_test_split from sklearn.neighbors import KNeighborsClassifier from sklearn.tree import DecisionTreeClassifier from sklea
机器学习实战-习题1.7
qq_42577508的博客
03-21 545
机器学习实战-习题1.7笔记
机器学习实战源码.zip
03-26
《机器学习实战源码》是一份专为初学者设计的资源包，旨在通过实践帮助学习者深入理解机器学习的原理和应用。这份压缩包包含了四个精心设计的实战项目，每个项目都提供了清晰、简洁的代码，并附有详尽的注释，确保...
机器学习实战.zip
最新发布
04-12
机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。它专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的...
机器学习实战 .zip
04-03
机器学习（ML)是计算机系统为了有效地执行特定任务，不使用明确的指令，而依赖模式和推理使用的算法和统计模型的科学研究。它被视为人工智能的一个子集。机器学习算法构建一个基于样本数据的数学模型，称为“训练...
机器学习期末考试题
公众号：风景邮递Yuan的博客
01-07 4898
答：先初始化，然后根据参数进行正向计算，将得到的结果传入损失函数经过计算得到损失值，然后进行反向传播，把损失值反向传给神经网络的各层，让各层根据损失值调整权重，向损失值减小的方向靠近，从而指引了网络权重调整的方向，重复上述操作，直到损失值小于某个值。算法步骤：首先选取k个类簇的质心，对各个样本点计算它们各个质心所在位置的欧式距离，并将其归入到相距距离最小质心所在的簇，重新计算各个簇的质心。答：主要思想：K-均值通过样本间的距离来衡量它们之间的相似度，而两个样本距离越远，则相似度越低，否则相似度越高。
机器学习实战——练习（kNN——约会网站）
Dlog的博客
01-09 1311
kNN——约会网站 目录 约会网站推荐 实现过程 一、约会网站推荐 场景： 某屌丝使用在线约会网站来约妹，虽然网站会给他推荐人选，但他并不喜欢每个人，他交往过的分成三种类型（其实这就是标签啦）： 不喜欢 一般般 超喜欢 该屌丝偷偷收集了约会者的数据，长这样： 一行代表一个样本，从左往右的列数分别代表： 每年获得的飞行常客里程数 玩游戏所耗时间百分比 每周消费的冰淇淋公升数 类别标签（1...
机器学习常见考题
weixin_41311617的博客
07-08 2888
这里写目录标题一级目录二级目录三级目录 牛客网整理鸡本人相关面试经历整理得来，侵删 一级目录 二级目录 三级目录
机器学习笔试题精选（一）
weixin_33898233的博客
07-10 6053
红色石头的个人网站：redstonewill.com 机器学习是一门理论性和实战性都比较强的技术学科。在应聘机器学习相关工作岗位时，我们常常会遇到各种各样的机器学习问题和知识点。为了帮助大家对这些知识点进行梳理和理解，以便能够更好地应对机器学习笔试包括面试。红色石头准备在公众号连载一些机器学习笔试题系列文章，希望能够对大家有所帮助！ Q1. 在回归模型中，下列哪一项在权衡欠拟合（under-f...
《机器学习实战 学习笔记》（五）：练习题（第3章 分类）
守得云开见月明
11-01 1219
第3章练习题 1. 为MNIST数据集构建一个分类器，并在测试集上达成超过97%的精度。
机器学习实战(Machine Learning in Action)参考答案以及原始数据
老潘的博客
09-17 8896
数据以及参考code在官网下载即可 https://www.manning.com/books/machine-learning-in-action 如果下载不了可以从这里下载：名称 MLiA_SourceCode.zip https://space.oldpan.me/d/8018f162a3b2477e9b8b/ ...
《机器学习实战》学习大纲
夏普通
12-01 1375
整个机器学习内容包括：基础、分类、预测、无监督式学习、降维与分布式几大块进行。总共计划 12 周时间。 基础：第 1 章 分类： 第 1～7 章 预测：第 8～9 章 无监督式学习：第 10～12 章 降维与分布式：第 13～15 章
【机器学习系列】—大纲总结
小火子
02-04 2378
机器学习是人工智能的核心，主要分为有监督学习和无监督学习。那么什么叫有监督和无监督呢？是否有监督，主要看输入的样本数据集是否有目标变量。有监督学习是有明确的目标变量，而无监督学习，此类的数据没有类别信息，也不给定目标值。 这段时间主要学习了有监督学习，所以下面对有监督学习进行一个大纲总结： 有监督学习 有监督学习一般使用两种类型的目标变量：标称型和数值型。标称型的目标变量结果只在有限目标
几个贝叶斯估计的例题
热门推荐
PKU_ZZY的博客
07-04 2万+
几个贝叶斯估计的例题
参数方法和非参数方法
PKU_ZZY的博客
07-04 1万+
参数方法和非参数方法
中文词性标注
PKU_ZZY的博客
10-21 9066
中文词性标注
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值