请选择 进入手机版 | 继续访问电脑版
楼主: wook
6248 26

机器学习实战 中文版+英文版+代码 [推广有奖]

  • 3关注
  • 2粉丝

大专生

96%

还不是VIP/贵宾

-

威望
0
论坛币
2625 个
通用积分
4.5127
学术水平
1 点
热心指数
1 点
信用等级
1 点
经验
4767 点
帖子
90
精华
0
在线时间
32 小时
注册时间
2008-2-24
最后登录
2022-11-24

wook 发表于 2017-11-3 07:38:01 |显示全部楼层 |坛友微信交流群
相似文件 换一批

+2 论坛币
k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群
赵安豆老师微信:zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

感谢您参与论坛问题回答

经管之家送您两个论坛币!

+2 论坛币
基于python讲解机器学习算法。
目录:
第一部分 分类
第1章 机器学习基础  2
1.1  何谓机器学习  3
1.1.1  传感器和海量数据  4
1.1.2  机器学习非常重要  5
1.2  关键术语  5
1.3  机器学习的主要任务  7
1.4  如何选择合适的算法  8
1.5  开发机器学习应用程序的步骤  9
1.6  Python语言的优势  10
1.6.1  可执行伪代码  10
1.6.2  Python比较流行  10
1.6.3  Python语言的特色  11
1.6.4  Python语言的缺点  11
1.7  NumPy函数库基础  12
1.8  本章小结  13
第2章 k-近邻算法   15
2.1  k-近邻算法概述  15
2.1.1  准备:使用Python导入数据  17
2.1.2  从文本文件中解析数据  19
2.1.3  如何测试分类器  20
2.2  示例:使用k-近邻算法改进约会网站的配对效果  20
2.2.1  准备数据:从文本文件中解析数据  21
2.2.2  分析数据:使用Matplotlib创建散点图  23
2.2.3  准备数据:归一化数值  25
2.2.4  测试算法:作为完整程序验证分类器  26
2.2.5  使用算法:构建完整可用系统  27
2.3  示例:手写识别系统  28
2.3.1  准备数据:将图像转换为测试向量  29
2.3.2  测试算法:使用k-近邻算法识别手写数字  30
2.4  本章小结  31
第3章 决策树   32
3.1  决策树的构造  33
3.1.1  信息增益  35
3.1.2  划分数据集  37
3.1.3  递归构建决策树  39
3.2  在Python中使用Matplotlib注解绘制树形图  42
3.2.1  Matplotlib注解  43
3.2.2  构造注解树  44
3.3  测试和存储分类器  48
3.3.1  测试算法:使用决策树执行分类  49
3.3.2  使用算法:决策树的存储  50
3.4  示例:使用决策树预测隐形眼镜类型  50
3.5  本章小结  52
第4章 基于概率论的分类方法:朴素贝叶斯   53
4.1  基于贝叶斯决策理论的分类方法  53
4.2  条件概率  55
4.3  使用条件概率来分类  56
4.4  使用朴素贝叶斯进行文档分类  57
4.5  使用Python进行文本分类  58
4.5.1  准备数据:从文本中构建词向量  58
4.5.2  训练算法:从词向量计算概率  60
4.5.3  测试算法:根据现实情况修改分类器  62
4.5.4  准备数据:文档词袋模型  64
4.6  示例:使用朴素贝叶斯过滤垃圾邮件  64
4.6.1  准备数据:切分文本  65
4.6.2  测试算法:使用朴素贝叶斯进行交叉验证  66
4.7  示例:使用朴素贝叶斯分类器从个人广告中获取区域倾向  68
4.7.1  收集数据:导入RSS源  68
4.7.2  分析数据:显示地域相关的用词  71
4.8  本章小结  72
第5章 Logistic回归   73
5.1  基于Logistic回归和Sigmoid函数的分类  74
5.2  基于最优化方法的最佳回归系数确定  75
5.2.1  梯度上升法  75
5.2.2  训练算法:使用梯度上升找到最佳参数  77
5.2.3  分析数据:画出决策边界  79
5.2.4  训练算法:随机梯度上升  80
5.3  示例:从疝气病症预测病马的死亡率  85
5.3.1  准备数据:处理数据中的缺失值  85
5.3.2  测试算法:用Logistic回归进行分类  86
5.4  本章小结  88
第6章 支持向量机  89
6.1  基于最大间隔分隔数据  89
6.2  寻找最大间隔  91
6.2.1  分类器求解的优化问题  92
6.2.2  SVM应用的一般框架  93
6.3  SMO高效优化算法  94
6.3.1  Platt的SMO算法  94
6.3.2  应用简化版SMO算法处理小规模数据集  94
6.4  利用完整Platt SMO算法加速优化  99
6.5  在复杂数据上应用核函数  105
6.5.1  利用核函数将数据映射到高维空间  106
6.5.2  径向基核函数  106
6.5.3  在测试中使用核函数  108
6.6  示例:手写识别问题回顾  111
6.7  本章小结  113
第7章 利用AdaBoost元算法提高分类
性能   115
7.1  基于数据集多重抽样的分类器  115
7.1.1  bagging:基于数据随机重抽样的分类器构建方法  116
7.1.2  boosting  116
7.2  训练算法:基于错误提升分类器的性能  117
7.3  基于单层决策树构建弱分类器  118
7.4  完整AdaBoost算法的实现  122
7.5  测试算法:基于AdaBoost的分类  124
7.6  示例:在一个难数据集上应用AdaBoost  125
7.7  非均衡分类问题  127
7.7.1  其他分类性能度量指标:正确率、召回率及ROC曲线  128
7.7.2  基于代价函数的分类器决策控制  131
7.7.3  处理非均衡问题的数据抽样方法  132
7.8  本章小结  132
第二部分 利用回归预测数值型数据
第8章 预测数值型数据:回归   136
8.1  用线性回归找到最佳拟合直线  136
8.2  局部加权线性回归  141
8.3  示例:预测鲍鱼的年龄  145
8.4  缩减系数来“理解”数据  146
8.4.1  岭回归  146
8.4.2  lasso  148
8.4.3  前向逐步回归  149
8.5  权衡偏差与方差  152
8.6  示例:预测乐高玩具套装的价格  153
8.6.1  收集数据:使用Google购物的API  153
8.6.2  训练算法:建立模型  155
8.7  本章小结  158
第9章 树回归  159
9.1  复杂数据的局部性建模  159
9.2  连续和离散型特征的树的构建  160
9.3  将CART算法用于回归  163
9.3.1  构建树  163
9.3.2  运行代码  165
9.4  树剪枝  167
9.4.1  预剪枝  167
9.4.2  后剪枝  168
9.5  模型树  170
9.6  示例:树回归与标准回归的比较  173
9.7  使用Python的Tkinter库创建GUI  176
9.7.1  用Tkinter创建GUI  177
9.7.2  集成Matplotlib和Tkinter  179
9.8  本章小结  182
第三部分 无监督学习
第10章 利用K-均值聚类算法对未标注数据分组  184

第11章 使用Apriori算法进行关联分析  200

第12章 使用FP-growth算法来高效发现频繁项集  223

第13章 利用PCA来简化数据  242

第14章 利用SVD简化数据  252

第15章 大数据r与MapReduce  270

附录A  Python入门  294
附录B  线性代数  303
附录C  概率论复习  309
附录D  资源  312
索引  313
版权声明  316

二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝


1707101339a8eda75cd6901e70.jpg

封面

封面

MLiA_SourceCode.zip

33.31 MB

机器学习实战(中英文).zip

16.01 MB

本附件包括:

  • 鏈哄櫒瀛︿範瀹炴垬.pdf
  • machine learning in action.pdf

已有 1 人评分经验 学术水平 热心指数 信用等级 收起 理由
accumulation + 100 + 1 + 1 + 1 精彩帖子

总评分: 经验 + 100  学术水平 + 1  热心指数 + 1  信用等级 + 1   查看全部评分

本帖被以下文库推荐

kimmie.shi 发表于 2017-11-5 21:55:54 |显示全部楼层 |坛友微信交流群
试试先学神经网络和python 再学高级计量经济学

使用道具

sqy 发表于 2017-11-6 11:56:24 |显示全部楼层 |坛友微信交流群
kimmie.shi 发表于 2017-11-5 21:55
试试先学神经网络和python 再学高级计量经济学
这两种的套路不一样啊!

使用道具

Aegean_angel 学生认证  发表于 2017-11-13 13:00:56 |显示全部楼层 |坛友微信交流群
非常感谢免费分享。

使用道具

franky_sas 发表于 2017-11-15 09:17:25 |显示全部楼层 |坛友微信交流群

使用道具

wook 发表于 2017-11-18 07:01:45 来自手机 |显示全部楼层 |坛友微信交流群
wook 发表于 2017-11-3 07:38
????

使用道具

wook 发表于 2017-11-18 07:02:58 来自手机 |显示全部楼层 |坛友微信交流群
wook 发表于 2017-11-3 07:38
??????

使用道具

wook 发表于 2017-11-18 07:05:06 |显示全部楼层 |坛友微信交流群
wook 发表于 2017-11-18 07:02
??????

使用道具

cplover 发表于 2017-11-19 01:57:13 |显示全部楼层 |坛友微信交流群
验证码真难,原来是输入中文,不是拼音呐

使用道具

wook 发表于 2017-12-12 07:03:10 来自手机 |显示全部楼层 |坛友微信交流群
wook 发表于 2017-11-3 07:38
hello?

使用道具

您需要登录后才可以回帖 登录 | 我要注册

本版微信群
加JingGuanBbs
拉您进交流群

京ICP备16021002-2号 京B2-20170662号 京公网安备 11010802022788号 论坛法律顾问:王进律师 知识产权保护声明   免责及隐私声明

GMT+8, 2024-3-29 13:31