机器学习基础算法-系列概要

系列概要

最近时间算是比较充裕了，打算写一个系列的学习文章，和大家一起分享，也是对自己的一个督促，在文章中我会用尽量通俗易懂的语言，结合一些实例来学习机器学习的基础算法。

计算机环境

计算机操作系统：windowns 10
python version: Python 3.7.0 (default, Jun 28 2018, 08:04:48) [MSC v.1912 64 bit (AMD64)]
IDE：目前使用的是spyder3.3，这个是anaconda自带的一个IDE

系列内容

在这个系类中，主要包含的的算法和内容如下：

1. k近邻算法
2. 决策树
3. 基于概率论的分类方法：朴素贝叶斯
4. Logistic回归
5. 支持向量机
6. adaboost算法
7. 回归算法
8. 树回归
9. K-均值聚类
10. apriori算法
11. FP-growth算法

上面的这些算法都是机器学习实战中的经典算法，通过上面算法的学习，能够使我们快速掌握机器学习的入门知识。
在下面的每个章节中我打算从算法概述、算法应用实例、总结这几个方面进行算法介绍