机器学习实战（视频教学版）

12.2 数据处理与分析实战

12.1 项目背景及目标

第12章 中药数据分析项目实战

11.7 本章小结

11.6 集成多种算法

11.5 特征提取

11.4 集成算法，构建多棵分类树

11.3 算法概率计算

11.2 建立模型

11.1 数据处理

第11章 泰坦尼克号获救预测实战

10.5 本章小结

10.4 分类任务

10.3 模型建立

10.2 分词与清洗工作

10.1 数据准备

第10章 新闻内容分类实战

9.3 本章小结

9.2 协同过滤算法电影推荐实战

9.1 协同过滤算法理论

第9章 协同过滤算法及应用

8.3 本章小结

8.2 关联规则挖掘算法实战

8.1 关联规则挖掘算法理论

第8章 关联规则挖掘算法及应用

7.5 本章小结

7.4 谱聚类

7.3 高斯混合聚类

7.2 K-Means聚类

7.1 聚类理论基础

第7章 聚类算法及应用

6.4 本章小结

6.3 SVD算法

6.2 PCA算法

6.1 数据降维概述

第6章 数据降维及应用

5.6 本章小结

5.5 随机森林算法实战

5.4 决策树分类及应用

5.3 朴素贝叶斯分类及应用

5.2 SVM理论及应用

5.1 逻辑回归理论与应用

第5章 分类算法及应用

4.6 本章小结

4.5 线性回归实战

4.4 过拟合

4.3 梯度下降算法

4.2 回归算法的评价指标

4.1 线性回归算法理论

第4章 线性回归及应用

3.5 本章小结

3.4 Python机器学习库scikit-learn

3.3 Python数据可视化库Matplotlib

3.2 Python数据处理库Pandas

3.1 Python数值计算库NumPy

第3章 Python常用机器学习库

2.4 本章小结

2.3 Python文件的基本操作

2.2 Python基本数据类型

2.1 Python开发环境搭建

第2章 Python数据处理基础

1.4 本章小结

1.3 机器学习常用术语

1.2 机器学习的发展史和分类

1.1 机器学习简介

第1章 机器学习概述

前言

内容简介

主要作者简介

版权页

封面

封面

版权页

主要作者简介

内容简介

前言

第1章 机器学习概述

1.1 机器学习简介

1.2 机器学习的发展史和分类

1.3 机器学习常用术语

1.4 本章小结

第2章 Python数据处理基础

2.1 Python开发环境搭建

2.2 Python基本数据类型

2.3 Python文件的基本操作

2.4 本章小结

第3章 Python常用机器学习库

3.1 Python数值计算库NumPy

3.2 Python数据处理库Pandas

3.3 Python数据可视化库Matplotlib

3.4 Python机器学习库scikit-learn

3.5 本章小结

第4章 线性回归及应用

4.1 线性回归算法理论

4.2 回归算法的评价指标

4.3 梯度下降算法

4.4 过拟合

4.5 线性回归实战

4.6 本章小结

第5章 分类算法及应用

5.1 逻辑回归理论与应用

5.2 SVM理论及应用

5.3 朴素贝叶斯分类及应用

5.4 决策树分类及应用

5.5 随机森林算法实战

5.6 本章小结

第6章 数据降维及应用

6.1 数据降维概述

6.2 PCA算法

6.3 SVD算法

6.4 本章小结

第7章 聚类算法及应用

7.1 聚类理论基础

7.2 K-Means聚类

7.3 高斯混合聚类

7.4 谱聚类

7.5 本章小结

第8章 关联规则挖掘算法及应用

8.1 关联规则挖掘算法理论

8.2 关联规则挖掘算法实战

8.3 本章小结

第9章 协同过滤算法及应用

9.1 协同过滤算法理论

9.2 协同过滤算法电影推荐实战

9.3 本章小结

第10章 新闻内容分类实战

10.1 数据准备

10.2 分词与清洗工作

10.3 模型建立

10.4 分类任务

10.5 本章小结

第11章 泰坦尼克号获救预测实战

11.1 数据处理

11.2 建立模型

11.3 算法概率计算

11.4 集成算法，构建多棵分类树

11.5 特征提取

11.6 集成多种算法

11.7 本章小结

第12章 中药数据分析项目实战

12.1 项目背景及目标

12.2 数据处理与分析实战