图解机器学习算法

封面

版权信息

版权声明

前言

第 1 章 机器学习基础

1.1 机器学习概要

1.2 机器学习的步骤

第 2 章 有监督学习

2.1 算法 1：线性回归

2.2 算法 2：正则化

2.3 算法 3：逻辑回归

2.4 算法 4：支持向量机

2.5 算法 5：支持向量机（核方法）

2.6 算法 6：朴素贝叶斯

2.7 算法 7：随机森林

2.8 算法 8：神经网络

2.9 算法 9：KNN

第 3 章 无监督学习

3.1 算法 10：PCA

3.2 算法 11：LSA

3.3 算法 12：NMF

3.4 算法 13：LDA

3.5 算法 14：k-means 算法

3.6 算法 15：混合高斯分布

3.7 算法 16：LLE

3.8 算法 17：t-SNE

第 4 章 评估方法和各种数据的处理

4.1 评估方法

4.2 文本数据的转换处理

第 5 章 环境搭建

4.3 图像数据的转换处理

5.1 Python 3 的安装

5.2 虚拟环境

5.3 第三方包的安装

附录

数学式的说明

名词解释

参考文献

作者简介