《机器学习实战》学习记录

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

• 机器学习实战训练营

2. 学习安排

2.1 机器学习基础（第一周）

• 2.1.1 Python 基础知识，Numpy、pandas、Matplotlib 等库的简介

• 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