网盘下载地址:https://u18103887.ctfile.com/fs/18103887-306543414
pdf下方有图
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