本系列博客主要参考《机器学习实战》和《统计学习方法》,《机器学习实战》这本书在理论方面非常欠缺,但能让你用最基本的pyton语法,从底层上让你构建代码,实现机器学习中的许多算法,而《统计学习方法》的理论推导比较详细。
本系列博客基于python3对《机器学习实战》书中代码进行一定的修改。github地址:Machine-Learning-in-Action-learn
目录:
代码笔记(一)—k-近邻算法
代码笔记(二)— 决策树算法
代码笔记(三)— 朴素贝叶斯算法
代码笔记(四)—用sklearn.naive_bayes实现新浪新闻分类
代码笔记(五) ---- Logistic回归算法
代码笔记(六) ---- SVM
代码笔记(七) ---- AdaBoost
代码笔记(八) ---- 线性回归t
代码笔记(九) ---- 树回归
代码笔记(十) ---- K均值
代码笔记(十一) ---- Apriori算法
代码笔记(十二) ---- FP-growth算法
代码笔记(十三) ---- PCA算法
代码笔记(十四) ---- SVD算法
代码笔记(十五) ---- MapReduce
Python3《机器学习实战》代码笔记 ---序言
最新推荐文章于 2020-05-28 00:34:43 发布