版权声明:时间是有限的,知识是无限的,那就需要在有限的时间里最大化的获取知识。 https://blog.csdn.net/Fire_to_cheat_/article/details/84784996
1. 学习资料
2. 学习安排
2.1 机器学习基础(第一周)
-
2.1.2 开发环境的搭建:Python3 + Anaconda + Jupyter Notebook
-
2.1.3 Jupyter Notebook 使用简介
2.2 k-近邻算法(第一周)
-
2.2.1 k-近邻算法概述
-
2.2.2 示例:使用 k-近邻算法改进网站的配对效果
-
2.2.3 示例:手写识别系统
打卡:
(阅读《机器学习实战》书籍第二章2.1,2.2,2.3章节)
参考资料:李航《统计学习算法》第3章
“使用k近邻算法改进网站的配对效果”
“手写识别系统”
2.3 决策树(第二周)
-
2.3.1 决策树的构造
-
2.3.2 在 Python 中使用 Matplotlib 注解绘制树形图
-
2.3.3 测试和存储分类器
-
2.3.4 示例:使用决策树预测隐形眼镜类型
2.4 朴素贝叶斯(第二周)
-
2.4.1 基于贝叶斯决策理论的分类方法
-
2.4.2 条件概率
-
2.4.3 使用条件概率来分类
-
2.4.4 使用朴素贝叶斯进行文档分类
-
2.4.5 使用 Python 进行文本分类
-
2.4.6 示例:使用朴素贝叶斯过滤垃圾邮件