Skip to content

VPrincekin/MachineLearning_V

Repository files navigation

MachineLearning_V

一切刚刚开始~

本项目参考《机器学习实战》,是作者在学习过程中的笔记、总结。
基于书中代码案例的基础上,加以划分逻辑,添加注释。目的使算法思路更加清晰,提高代码可读性,方便更多初学者学习。

一. 监督学习

  1. K-近邻算法
  2. 决策树
  3. 基于概率论的分类方法:朴素贝叶斯
  4. Logistic回归
  5. 支持向量机
  6. 利用AdaBoost元算法提高分类

二. 利用回归预测数值型数据

  1. 预测数值型数据:回归
  2. 树回归

三. 无监督学习

  1. 利用K-均值聚类算法对未标注数据分组
  2. 使用Apriori算法进行关联
  3. 使用FP-growthi算法来高效发现频繁项集

四. 其他工具

  1. 利用PCA来简化数据
  2. 利用SVD简化数据
  3. 大数据与MapReduce

注:项目中若存在不当之处,望不吝赐教。欢迎转载学习,请注明出处(https://github.com/VPrincekin/MachineLearning_V)

About

一切刚刚开始

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published