<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....
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-学习笔记-demos
机器学习实战-思维导图,共15张思维导图,K近临、决策树、 朴素贝叶斯、SVM、树回归等
机器学习实战-ML-CV
Python 6,113 Updated 9 days ago MLiA_SourceCode 机器学习实战----
Python机器学习实战-数据&代码
机器学习实战-波士顿房价预测
机器学习实战 - k近邻算法(KNN算法)总结 适合机器学习实战入门新手 K-近邻算法,又称为 KNN 算法,是数据挖掘技术中原理最简单的算法。 KNN 的工作原理:给定一个已知类别标签的数据训练集,输入没有标签的新数据...
机器学习实战-系列教程2:线性回归2(项目实战、原理解读、源码解读)
机器学习实战-knn算法代码及数据集
机器学习实战一书的配套代码,基于python3实现,基本调试无误。
机器学习实战这边书中,决策树章节中隐形眼镜的测试数据集
06.机器学习实战-验证
机器学习实战-金融风控业务分析业务数据
模式识别和机器学习实战- 集成学习- Python实现 - AdaBoost算法 适用于刚刚开始学习机器学习的小伙伴进行的上机实践,本次压缩包的内容是集成学习的AdaBoost算法的代码以及数据集。
机器学习实战-k-近邻算法改进约会网站的配对效果,包括KNN.py,datingTestSet.txt,datingTestSet2.txt,testknn.py
机器学习--决策树(ID3)算法及案例.docx机器学习--决策树(ID3)算法及案例.docx机器学习--决策树(ID3)算法及案例.docx机器学习--决策树(ID3)算法及案例.docx机器学习--决策树(ID3)算法及案例.docx机器学习--决策树(ID3...
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...
53253-Python机器学习编程与实战-习题数据和答案.rar