书籍目录
首页
分类
免费
排行
我的书架
1-50章
51-100章
101-104章
共104章
免费
版权信息
免费
内容简介
免费
前言
免费
第1章 机器学习基础
免费
1.1 机器学习概述
免费
1.2 机器学习相关概念
免费
1.3 机器学习的任务
免费
1.4 机器学习的一般步骤
免费
1.5 机器学习Python基础
免费
1.6 本章小结
免费
1.7 习题
免费
第2章 k近邻算法
免费
2.1 k近邻算法原理
免费
2.2 基于k近邻算法的实现
免费
2.3 k近邻算法应用——鸢尾花的分类
免费
2.4 本章小结
免费
2.5 习题
免费
第3章 贝叶斯分类器
免费
3.1 贝叶斯定理相关概念
免费
3.2 朴素贝叶斯分类器
免费
3.3 朴素贝叶斯分类算法实现——三文鱼和鲈鱼的分类
免费
3.4 正态贝叶斯分类器
免费
3.5 本章小结
免费
3.6 习题
免费
第4章 聚类
免费
4.1 聚类算法简介
4.2 K-means聚类
4.3 基于密度的聚类——DBSCAN聚类
4.4 基于层次的聚类——AGNES聚类
4.5 聚类应用举例
4.6 各种聚类算法的比较
4.7 本章小结
4.8 习题
第5章 EM算法
5.1 EM算法原理及推导过程
5.2 高斯混合聚类
5.3 服从0-1二项分布的EM算法
5.4 本章小结
5.5 习题
第6章 支持向量机
6.1 SVM简介
6.2 线性SVM算法实现
6.3 非线性SVM与核函数
6.4 SVM回归
6.5 SVM算法实现——鸢尾花的分类
6.6 本章小结
6.7 习题
第7章 决策树
7.1 决策树构造基本原理
7.2 决策树构造过程
×