我的学习目录
一,数据处理
Pandas 数据处理
- 不定期更新
二,机器学习
1,k - 邻近算法
- 如何从sklearn中引入数据
- 将数据分为训练集和测试集(train_test_split)
- 使用sklearn中的kNN
- 网格搜索(GridSearchCV)
- 归一化(StandardScaler)
传送门:手动实现knn算法
2,线性回归
传送门:手动实现线性回归算法
- 简单线性回归实现
- 多元线性回归算法
传送门:线性回归实战(书P136)
- 局部加权线性回归
- 预测鲍鱼年龄
- kNNRegressor中的线性回归算法
- 使用梯度下降法训练的线性回归函数
传送门:梯度下降法
- 使用梯度下降训练线性回归算法
- 使用sklearn中的SGD方法
3,决策树
传送门:决策树 / 分类树(书P33)
- 决策树的实现
- sklearn中决策树的使用
4,朴素贝叶斯算法
传送门:朴素贝叶斯算法(书P53)
- sklearn中朴素贝叶斯算法的使用
- 朴素贝叶斯之鸢尾花数据实验(算法实现)
- 使用朴素贝叶斯进行文档分类(算法实现)
- 拉布拉斯平滑
三,数据库(SQL)
1,数据库系统原理
传送门:数据库系统原理
- 数据库与数据库管理系统定义
- 数据视图(View of Data)
- 数据模型
- 数据库语言
- 数据库引擎(Database Engine)
- 数据库体系结构(Database Architecture)
- 应用程序体系结构(Database Applications)
- 关系和关系模式
- 键(Keys)
- 关系查询语言(Relational Query Languages)
- 空值(null)
- 数据库的修改
2,SQL语言
传送门:SQL语言(一)
- 基本模式定义
- 基本查询结构
- 嵌套子查询(Nested Subqueries)
- 数据库的修改
传送门:SQL语言(二)
- 视图(View)
- 索引(Index)
传送门:SQL语言(三)
- 事务(transaction)
- 完整性约束
- 断言(Assertion)
- 触发器(Trigger)
- 未完
四,数据结构与演算法
1,算法与算法分析
传送门:算法与算法分析
- 算法
- 渐进表示法(Asymptotic notation)
- 算法分析
2,树
传送门:演算法 - 树
- 树和二叉树的定义
- 树的基本术语
- 二叉树
3,排序
传送门:演算法 - 排序
- 插入排序(Insertion-Sort)
- 交换排序
- 选择排序(Selection Sort)
- 归并排序(Merge Sort)
- 基数排序
- 各种排序方法比较