✍ Scribed by 肖云鹏; 卢星宇
No coin nor oath required. For personal study only.
本书是为大学本科、研究生学习参考材料，以讲原理、完全开放源代码、使用公开数据集、实验效果演示为特色。既适合本科生、研究生教学使用，也适合自学。 为了配合教师教学及同学们自学，本书提供了配套教学的ppt和所有章节的源代码。
封面
扉页
内容简介
版权页
前言
目录
●第1章 KNN
1.1 KNN算法原理
1.2 KNN算法实现
1.3 实验数据
1.4 实验结果
●第2章 朴素贝叶斯
2.1 朴素贝叶斯算法原理
2.2 朴素贝叶斯算法实现
2.3 实验数据
2.4 实验结果
●第3章 C4.5
3.1 C4.5算法原理
3.3 实验数据
3.4 实验结果
●第4章 SVM
4.1 SVM算法原理
4.2 SVM算法实现
4.3 实验数据
4.4 实验结果
●第5章 AdaBoost
5.1 AdaBoost算法原理
5.2 AdaBoost算法实现
5.3 实验数据
5.4 实验结果
●第6章 CART
6.1 CART算法原理
6.2 CART算法实现
6.3 实验数据
6.4 实验结果
●第7章 KＧMeans
7.1 KＧMeans算法原理
7.2 KＧMeans算法实现
7.3 实验数据
7.4 实验结果
●第8章 Apriori
8.1 Apriori算法原理
8.2 Apriori算法实现
8.3 实验数据
8.4 实验结果
●第9章 PageRank
9.1 PageRank算法原理
9.2 PageRank算法实现
9.3 实验数据
9.4 实验结果
●第10章 EM
10.1 EM算法原理
10.2 EMＧGMM实现
10.3 实验数据
10.4 实验结果
正文结束
参考文献
📜 SIMILAR VOLUMES
本书系统地讲解了机器学习的基本知识，以及在实际项目中使用机器学习的基本步骤和方法；详细地介绍了在进行数据处理、分析时怎样选择合适的算法，以及建立模型并优化等方法，通过不同的例子展示了机器学习在具体项目中的应用和实践经验，是一本非常好的机器学习入门和实践的书籍。不同于很多讲解机器学习的书籍，本书以实践为导向，使用 scikit-learn 作为编程框架，强调简单、快速地建立模型，解决实际项目问题。读者通过对本书的学习，可以迅速上手实践机器学习，并利用机器学习解决实际问题。本书非常适合于项目经理、有意从事机器学习开发的程序员，以及高校相关专业在的读学生阅读。
<p>机器学习是一种自动分析所构建模型的数据分析方法。通过迭代地从数据中不断学习，机器学习可以使计算机找到一些隐含的信息量，而这些信息量是无法明确通过编程得到的。</p> <p>本书以OpenCV 2.4.9为研究工具，对算法—正态贝叶斯分类器、K近邻算法、支持向量机、决策树、AdaBoost、梯度提升树、随机森林、期望极大值、神经网络，不仅具体分析了它们的原理和实现方法，还进行了详细的源码解析，并且给出了基于OpenCV的程序实现范例，充分体现了理论与实践相结合的特点。</p>
本书是一本机器学习入门读物，注重理论与实践的结合。全书主要包括6个部分，每个部分均以典型的机器学习算法为例，从算法原理出发，由浅入深，详细介绍算法的理论，并配合目前流行的Python语言，从零开始，实现每一个算法，以加强对机器学习算法理论的理解、增强实际的算法实践能力，最终达到熟练掌握每一个算法的目的。与其他机器学习类图书相比，本书同时包含算法理论的介绍和算法的实践，以理论支撑实践，同时，又将复杂、枯燥的理论用简单易懂的形式表达出来，促进对理论的理解。
机器学习是人工智能研究领域中一个极其重要的研究方向，在现今的大数据时代背景下，捕获数据并从中萃取有价值的信息或模式，成为各行业求生存、谋发展的决定性手段，这使得这一过去为分析师和数学家所专属的研究领域越来越为人们所瞩目。 本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些
<p>机器学习是人工智能研究领域中一个极其重要的研究方向，在现今的大数据时代背景下，捕获数据并从中萃取有价值的信息或模式，成为各行业求生存、谋发展的决定性手段，这使得这一过去为分析师和数学家所专属的研究领域越来越为人们所瞩目。</p> <p>本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了