Python3《机器学习实战》目录

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/Goldxwang/article/details/83720289

机器学习

Python3《机器学习实战》学习笔记（一）：k-近邻算法(史诗级干货长文)

             本文将从k-邻近算法的思想开始讲起，使用python3一步一步编写代码进行实战训练。并且，我也提供了相应的数据集，对代码进行了详细的注释。除此之外，本文也对sklearn实现k-邻近算法的方法进行了讲解。实战实例：电影类别分类、约会网站配对效果判定、手写数字识别。

Python3《机器学习实战》学习笔记（二）：决策树基础篇之让我们从相亲说起

               有读者反映，说我上篇文章Python3《机器学习实战》学习笔记（一）：k-近邻算法(史诗级干货长文)，太长了。一看那么长，读的欲望都降低了。既然如此，决策树的内容，我就分开讲好了。本篇讨论决策树的原理和决策树的构建，完整实例内容会在下一篇进行讲解。

Python3《机器学习实战》学习笔记（三）：决策树实战篇之为自己配个隐形眼镜

               上篇文章讲述了机器学习决策树的原理，以及如何选择最优特征作为分类特征。本篇文章将在此基础上进行介绍。主要内容包括：决策树构建、决策树可视化、使用决策树进行分类预测、决策树的存储和读取、sklearn实战之预测隐形眼镜类型

Python3《机器学习实战》学习笔记（四）：朴素贝叶斯基础篇之言论过滤器

              朴素贝叶斯算法是有监督的学习算法，解决的是分类问题，如客户是否流失、是否值得投资、信用等级评定等多分类问题。该算法的优点在于简单易懂、学习效率高、在某些领域的分类问题中能够与决策树、神经网络相媲美。但由于该算法以自变量之间的独立（条件特征独立）性和连续变量的正态性假设为前提，就会导致算法精度在某种...

Python3《机器学习实战》学习笔记（五）：朴素贝叶斯实战篇之新浪新闻分类

              上篇文章讲解了朴素贝叶斯的基础知识。本篇文章将在此基础上进行扩展，你将看到一下内容：拉普拉斯平滑、垃圾邮件过滤、新浪新闻分类

Python3《机器学习实战》学习笔记（六）：Logistic回归基础篇之梯度上升算法

              本文从Logistic回归的原理开始讲起，补充了书上省略的数学推导。本文可能会略显枯燥，理论居多，Sklearn实战内容会放在下一篇文章。自己慢慢推导完公式，还是蛮开心的一件事。

Python3《机器学习实战》学习笔记（七）：Logistic回归实战篇之预测病马死亡率

               本文对梯度上升算法和改进的随机梯度上升算法进行了对比，总结了各自的优缺点，并对sklearn.linear_model.LogisticRegression进行了详细介绍。

Python3《机器学习实战》学习笔记（八）：支持向量机原理篇之手撕线性SVM

                说来惭愧，断更快半个月了，本打算是一周一篇的。感觉SVM瞬间难了不少，推导耗费了很多时间，同时身边的事情也不少，忙了许久。本篇文章参考了诸多大牛的文章写成的，对于什么是SVM做出了生动的阐述，同时也进行了线性SVM的理论推导，以及最后的编程实践，公式较多，还需静下心来一点一点推导。

Python3《机器学习实战》学习笔记（九）：支持向量机实战篇之再撕非线性SVM

              上篇文章讲解的是线性SVM的推导过程以及简化版SMO算法的代码实现。本篇文章将讲解SMO算法的优化方法以及非线性SVM。

Python3《机器学习实战》学习笔记（十）：提升分类器性能利器-AdaBoost

             前面的文章已经介绍了五种不同的分类器，它们各有优缺点。我们可以很自然地将不同的分类器组合起来，而这种组合结果则被成为集成方法(ensemble method)或者元算法(meta-algorithm)。使用集成方法时会有多种形式：可以是不同算法的集成，也可以是同一种算法在不同设置下的集成，还可以是...

Python3《机器学习实战》学习笔记（十一）：线性回归基础篇之预测鲍鱼年龄

               前面的文章介绍了很多分类算法，分类的目标变量是标称型数据，而本文将会对连续型的数据做出预测。主要讲解简单的线性回归和局部加权线性回归，并通过预测鲍鱼年龄的实例进行实战演练。

Python3《机器学习实战》学习笔记（十二）：线性回归提高篇之乐高玩具套件二手价预测

              转自个人网站：http://cuijiahua.com/blog/2017/12/ml_12_regression_2.html 一、前言 本篇文章讲解线性回归的缩减方法，岭回归以及逐步线性回归，同时熟悉sklearn的岭回归使用方法，对乐高玩具套件的二手价格做出预测。 二、岭回归 如果数...