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:
- k近邻算法
- 决策树
- 基于概率论的分类方法:朴素贝叶斯
- Logistic回归
- 支持向量机
- adaboost算法
- 回归算法
- 树回归
- K-均值聚类
- apriori算法
- 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