<div class="iteye-blog-content-contain" style="font-size: 14px;"><p><span style="">第 1 章: </span><a style="" href="http://ml.apachecn.org/mlia/basic-knowledge">基础知识</a><br style=""><span style="">第 2 章: </span><a style="" href="http://ml.apachecn.org/mlia/knn">K近邻算法</a><br style=""><span style="">第 3 章: </span><a style="" href="http://ml.apachecn.org/mlia/design-tree">决策树算法</a><br style=""><span style="">第 4 章: </span><a style="" href="http://ml.apachecn.org/mlia/basic-knowledge">朴素贝叶斯</a><br style=""><span style="">第 5 章: </span><a style="" href="http://ml.apachecn.org/mlia/logistic-regress">逻辑斯蒂回归</a><br style=""><span style="">第 6 章: </span><a style="" href="http://ml.apachecn.org/mlia/svm">支持向量机</a><br style=""><span style="">第 7 章: </span><a style="" href="http://ml.apachecn.org/mlia/ensemble-random-tree-adaboost">集成方法</a><br style=""><span style="">第 8 章: </span><a style="" href="http://ml.apachecn.org/mlia/regress">回归</a><br style=""><span style="">第 9 章: </span><a style="" href="http://ml.apachecn.org/mlia/tree-regress">树回归</a><br style=""><span style="">第 10 章: </span><a style="" href="http://ml.apachecn.org/mlia/kmeans">KMeans聚类</a><br style=""><span style="">第 11 章: </span><a style="" href="http://ml.apachecn.org/mlia/apriori">Apriori算法与关联分析</a><br style=""><span style="">第 12 章: </span><a style="" href="http://ml.apachecn.org/mlia/fp-growth">FP-growth高效发现频繁项集</a><br style=""><span style="">第 13 章: </span><a style="" href="http://ml.apachecn.org/mlia/pca">PCA降维</a><br style=""><span style="">第 14 章: </span><a style="" href="http://ml.apachecn.org/mlia/svd">SVD简化数据</a><br style=""><span style="">第 15 章: </span><a style="" href="http://ml.apachecn.org/mlia/bigdata-and-mapreduce">大数据与MapReduce</a><br style=""><span style="">第 16 章: </span><a style="" href="http://ml.apachecn.org/mlia/recommender-system">推荐系统介绍</a><br style=""><a style="" href="http://ml.apachecn.org/mlia/why-to-record-study-ml-video">为何录制教学版视频</a><br style=""><a style="" href="http://ml.apachecn.org/mlia/video-addr">视频地址</a><br style=""><a style="" href="http://ml.apachecn.org/mlia/join-us">加入我们</a><br style=""><a style="" href="http://ml.apachecn.org/mlia/qq-group">ＱＱ群</a></p></div>
分享到：
相关推荐
Python数据挖掘与机器学习实战 - 选题.docxPython数据挖掘与机器学习实战 - 选题.docxPython数据挖掘与机器学习实战 - 选题.docxPython数据挖掘与机器学习实战 - 选题.docxPython数据挖掘与机器学习实战 - 选题....
在本资源"Python机器学习实战-数据&代码.rar"中，我们可以期待深入探索Python语言在机器学习领域的应用。这个压缩包包含的是与机器学习相关的数据集以及配套的代码，为学习者提供了一手的实践经验。Python是当今最...
机器学习实战-学习笔记-demos
机器学习实战-ML-CV
机器学习--神经网络机器学习--神经网络机器学习--神经网络机器学习--神经网络
### 机器学习实战-决策树-隐形眼镜测试数据 #### 知识点解析 在《机器学习实战》一书中，作者通过多个实例介绍了各种机器学习算法的实际应用过程。其中，“决策树”章节是该书的一个重点部分，它不仅详细解释了...
台大-李宏毅-B站机器学习视频-课件.zip台大-李宏毅-B站机器学习视频-课件.zip台大-李宏毅-B站机器学习视频-课件.zip台大-李宏毅-B站机器学习视频-课件.zip台大-李宏毅-B站机器学习视频-课件.zip台大-李宏毅-B站机器...
机器学习实战一书的配套代码，基于python3实现，基本调试无误。
机器学习实战-金融风控业务分析业务数据
在这个“机器学习实战-思维导图”中，我们可以通过15张精心制作的思维导图来深入理解各种核心算法和技术。以下是这些导图所涵盖的关键知识点的详细解释： 1. **K近邻（K-Nearest Neighbors, KNN）**：KNN是一种监督...
在本项目"机器学习实战-波士顿房价预测"中，我们将探讨如何运用机器学习算法来预测波士顿地区的房价。这个经典的机器学习任务源于UCI Machine Learning Repository，是初学者和专业人士研究监督学习算法的理想数据集...
《机器学习实战-数据集.zip》是一个用于实践机器学习算法的数据集压缩文件，其中包含了用于学习和测试的各种数据。在机器学习中，数据是模型训练的基础，它可以帮助我们理解复杂模式，建立预测模型，并对未知数据...
机器学习Scikit-Learn和TensorFlow的资料笔记.zip机器学习Scikit-Learn和TensorFlow的资料笔记.zip机器学习Scikit-Learn和TensorFlow的资料笔记.zip机器学习Scikit-Learn和TensorFlow的资料笔记.zip机器学习Scikit-...
在《机器学习实战-中文版1》中，第一章主要介绍了机器学习的基础概念和关键术语。机器学习是人工智能的一个分支，它让计算机系统能够从数据中自动学习和改进，而无需显式编程。书中强调了随着传感器技术的发展和海量...
本资源包“机器学习实战-knn算法代码及数据集”专注于KNN算法的实现与应用，特别是针对手写数字识别的问题。下面将详细介绍KNN算法及其在手写数字识别中的应用。 一、KNN算法基础 1. 算法原理：KNN算法基于...
唐宇迪-机器学习-实战-附源代码
《Python机器学习编程与实战-习题数据和答案》这个压缩包文件，正如其名，是针对Python机器学习的学习资源，包含习题的数据和解答，是深入理解和掌握Python机器学习技术的重要辅助材料。通过这份资源，学习者可以...
机器学习大作业-机器学习分类-回归-聚类算法项目源码（共八次高分作业项目）.zip 已获老师指导并通过的高分大作业设计项目，可作为期末大作业和课程设计，纯手打高分项目，小白实战没难度。 机器学习大作业-机器...
机器学习入门与实战(scikit-learn和Keras)课件—决策树.pdf机器学习入门与实战(scikit-learn和Keras)课件—决策树.pdf机器学习入门与实战(scikit-learn和Keras)课件—决策树.pdf机器学习入门与实战(scikit-learn和...