关注
分享
文章平均质量分 74
本书重要讲述了机器学习算法,并介绍那些使用这些算法的应用和工具,以及如何在实际环境中使用它们.这本书和其他书不同,其他书都是长篇大论讲解机器学习背后的理论知识,这本书恰巧更多讨论如何使用编码实现机器学习算法.
Liu_Goodfellow
Healthy and happy every day
展开
-
《机器学习实战》笔记（十五）：Ch15 - 大数据与MapReduce
暂未更新Github原创 2020-01-31 13:22:27 · 403 阅读 · 0 评论 -
《机器学习实战》笔记（十四）：Ch14 - 利用SVD简化数据
暂未更新Github原创 2020-01-31 13:21:24 · 244 阅读 · 0 评论 -
《机器学习实战》笔记（十三）：Ch13 - 利用PCA来简化数据
暂未更新Github原创 2020-01-31 13:19:57 · 321 阅读 · 0 评论 -
《机器学习实战》笔记（十二）：Ch12 - 使用FP-growth算法来高效发现频繁项集
暂未更新Github原创 2020-01-31 13:18:54 · 571 阅读 · 0 评论 -
《机器学习实战》笔记（十一）：Ch11 - 使用Apripri算法进行关联分析
暂未更新Github原创 2020-01-31 13:18:18 · 797 阅读 · 0 评论 -
《机器学习实战》笔记（十）：Ch10 - 利用k-均值聚类算法对未标注数据分组
暂未更新代码托管见Github原创 2020-01-31 13:17:15 · 295 阅读 · 0 评论 -
《机器学习实战》笔记（九）：Ch9 - 树回归
暂未更新代码托管见Github原创 2020-01-31 13:16:31 · 213 阅读 · 0 评论 -
《机器学习实战》笔记（八）：Ch8 - 预测数值型数据:回归
暂未更新代码托管见Github原创 2020-01-31 13:15:41 · 320 阅读 · 0 评论 -
《机器学习实战》笔记（七）：Ch7 - 利用AdaBoost元算法提高分类性能
暂未更新代码托管见Github原创 2020-01-31 13:14:57 · 228 阅读 · 0 评论 -
《机器学习实战》笔记（六）：Ch6 - 支持向量机
暂未更新代码托管见Github原创 2020-01-31 13:13:31 · 388 阅读 · 0 评论 -
《机器学习实战》笔记（五）：Ch5 - Logistic回归
暂未更新代码托管见Github原创 2020-01-31 13:11:48 · 182 阅读 · 0 评论 -
《机器学习实战》笔记（四）：Ch4 - 基于概率论的分类方法:朴素贝叶斯
暂未更新代码托管见Github原创 2020-01-31 13:09:18 · 255 阅读 · 0 评论 -
《机器学习实战》笔记（三）：Ch3 - 决策树
第三章 决策树(代码)决策树算法优缺点优点:计算复杂度不高，输出结果易于理解，对中间值不明干，可以处理不想管特征数据。缺点:可能会产生过度匹配。范围:数值型和标称型。信息增益原则: 将无序的数据变得更加有序。在划分数据集之前之后信息发生的变化熵: 信息的期望值，或者集合信息的度量方式。熵若数据都为一类，那么H=-1*log2(1)=0，不用任何信息就能区分这个数据。...原创 2020-01-31 13:08:26 · 227 阅读 · 0 评论 -
《机器学习实战》笔记（二）：Ch2 - k-邻近算法
第二章 K-近邻算法(代码)K-近邻算法优缺点优点:精度高,对异常值步敏感，无数据输入假定。缺点:计算复杂度高，空间复杂度高。范围:数值型和标称型。测试分类器错误率是常用的评估方法，完美评估器为0，最差的评估器为1.0例子:使用k-近邻算法改进约会网站的配对效果准备数据:从文本数据中解析出数据，用numpy转化文本为矩阵，同时进行归一化数值操作(将对数据有影响的...原创 2020-01-31 13:07:33 · 230 阅读 · 0 评论 -
《机器学习实战》笔记（一）：Ch1 - 机器学习基础
第一章机器学习基础（[代码]（https://github.com/shiyipaisizuo/machine_learning_in_action/tree/master/src/ch01）） - 熟悉[Python]（https：//www.python .org /）即可。 - 开发机器学习应用程序步骤 - < p > 1.收集数据。 - <原创 2020-01-31 13:05:37 · 224 阅读 · 0 评论 -
《机器学习实战》ch1 ~ ch15 笔记目录
机器学习实战笔记(附:源代码) 基于 GNU3.0 协议第一部分 分类第一章 机器学习基础(代码)熟悉Python即可。开发机器学习应用程序步骤1.收集数据。2.准备输入数据。3.分析输入数据。4.训练算法。5.测试算法。6.使用算法。掌握numpy函数库基础>> from numpy import *原创 2020-01-31 13:04:04 · 269 阅读 · 0 评论