机器学习（零） -- 目录及序言

系列文章目录

（）里面是包含的额外内容

机器学习（一） -- 概述

机器学习（二） -- 数据预处理（1）（Scikit-learn安装与数据集简单介绍）

机器学习（二） -- 数据预处理（2）

机器学习（二） -- 数据预处理（3）

机器学习（三） -- 特征工程（1）（Scikit-learn算法模块简单介绍）

机器学习（三） -- 特征工程（2） 

机器学习（四） -- 模型评估（1）（过拟合欠拟合、偏差方差）

机器学习（四） -- 模型评估（2）

机器学习（四） -- 模型评估（3）

机器学习（四） -- 模型评估（4）

机器学习（五） -- 监督学习（1） -- k近邻（距离度量、scikit-learn算法选择、超参数搜索-网格搜索）

机器学习（五） -- 监督学习（2） -- 朴素贝叶斯

机器学习（五） -- 监督学习（3） -- 决策树

机器学习（五） -- 监督学习（4） -- 集成学习方法 - 随机森林

机器学习（五） -- 监督学习（5） -- 线性回归1

机器学习（五） -- 监督学习（5） -- 线性回归2（模型保存与载入）

机器学习（五） -- 监督学习（6） --逻辑回归（感知机）

机器学习（五） -- 监督学习（7） --SVM1

机器学习（五） -- 监督学习（7） --SVM2

机器学习（五） -- 无监督学习（1） --聚类1

机器学习（五） -- 无监督学习（1） --聚类2

机器学习（五） -- 无监督学习（2） --降维1

机器学习（五） -- 无监督学习（2） --降维2

机器学习（五） -- 监督学习（8） --神经网络1

机器学习（五） -- 监督学习（8） --神经网络2

机器学习（五） -- 监督学习（8） --神经网络3

未完待续……

---

已淘汰：

机器学习（五） -- 监督学习（1） -- 线性回归

---

序言

tips：标题前有“***”的内容为补充内容，是给好奇心重的宝宝看的，可自行跳过。文章内容被“文章内容”删除线标记的，也可以自行跳过。“！！！”一般需要特别注意或者容易出错的地方。

本系列文章是作者边学习边总结的，内容有不对的地方还请多多指正，同时本系列文章会不断完善，每篇文章不定时会有修改。

数学基础：高等数学、线性代数、概率论和数理统计。
编程基础：python、numpy、pandas、Matplotlib、Scikit-learn……
编程IDE：学习推荐Jupyter，大型项目用Pycharm。
操作系统：需要会一点Linux。