《机器学习实践指南:案例应用解析》分为准备篇、基础篇、统计分析实战篇和机器学习发展及应用前景
1.1机器学习概述
1.1.1什么是机器学习
1.1.2机器学习的发展
1.1.3机器学习的未来
1.2机器学习应用前景
1.2.1数据分析与挖掘
1.2.2机器学习实战篇
第7章机器学习算法
7.1图像识别案例
9.1图像边缘算法
9.1.1数字图像基础
9.1.2算法描述
9.2图像匹配
9.2.1差分矩阵求和
9.2.2差分矩阵均值
9.2.3欧氏距离匹配
9.3图像分类
9.3.1余弦相似度
9.3.2Pca图像特征提取算法
9.3.3基于神经网络的图像分类
9.3.4基于Svm的图像分类
9.4人脸辨识
9.4.1人脸定位
9.4.2人脸辨识
9.5手写数字识别
9.5.1手写数字识别算法
9.5.2算法的Python实现
9.6小结
思考题
第10章文本分类案例
10.1文本分类概述
10.2余弦相似度分类
10.2.1中文分词
10.2.2停用词清理
10.2.3算法实战
10.3朴素贝叶斯分类
10.3.1算法描述
10.3.2先验概率计算
10.3.3最大后验概率
10.3.4算法实现
10.4小结
思考题