机器学习实战pdf|网盘下载内附提取码


 

点击此处进入下载地址
提取码:67ju

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 实施 kNN 算法.............................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 


作者:py青原,发布于:2020/07/30
原文:https://www.cnblogs.com/nanyang1/p/13399643.html