机器学习
一 k邻近、朴素贝叶斯
- 1.认识机器学习
- 2.scikit-learn库介绍
- 3.算法介绍
- 4.sklearn数据集介绍
- 5.K近邻算法原理
- 6.使用sklearn实现K近邻
- 7.K近邻预测约会是否受欢迎
- 8.标准化原理和代码实现
- 9.K近邻总结和作业
- 10.朴素贝叶斯公式详解
- 11.朴素贝叶斯文档分类原理
- 12.特征抽取-CountVectorizer
- 13.朴素贝叶斯文章分类实战
- 14.多项式、高斯、伯努利模型
二 决策树
- 15.决策树理解
- 16.决策树之信息熵
- 17.决策树之信息熵补充
- 18.决策树之信息增益
- 19.决策树之算法选择(ID3,C4.5,CART)
- 20.决策树算法之预剪枝和后剪枝
- 21.实战-泰坦尼克号获救预测(1)
- 22.实战-泰坦尼克号获救预测(2)
- 23.决策树的绘制
- 24.随机森林原理
- 25.sklearn实现随机森林
三 线性回归和逻辑回归
- 26.线性回归通俗解释
- 27.线性回归方程和损失函数
- 28.线性回归推导-求解对象转换
- 29.线性回归推导-似然函数
- 30.线性回归推导-梯度下降
- 31.线性回归预测波士顿房价
- 32.正则化和岭回归
- 33.逻辑回归原理
- 34.逻辑回归预测是否患癌症
- 35.精确率和召回率
四 特征值工程
- 36.特征工程-字典特征抽取
- 37.特征工程-文本特征抽取和jieba分词
- 38.特征工程-TFIDF特征抽取
- 39.特征工程-归一化
- 40.特征工程-标准化
- 41.特征工程-缺失值处理
- 42.特征工程-特征选择
- 43.特征工程-PCA原理分析
- 44.特征工程-PCA实例
五 Airbnb数据集
- 45.Airbnb数据集-价格因素分析
- 46.Airbnb数据集-房屋数据预处理
- 47.Airbnb数据集-房间类型和社区分析
- 48.Airbnb数据集-房间类型和社区对比分析
- 49.Airbnb数据集-房东房源数量分析
- 50.Airbnb数据集-评论数量与时间分析
- 51.Airbnb数据集-评论数量与时间综合分析
- 52.Airbnb数据集-房屋价格预测(1)
- 53.Airbnb数据集-房屋价格预测(2)
- 54.Airbnb数据集-评论数量预测
- 55.Airbnb数据集-预测结果可视化