机器学习实战学习提纲

---

学习目录

第一部分　分类

第1章　机器学习基础　　
第2章　k-近邻算法 　　
第3章　决策树 　　
第4章　基于概率论的分类方法：朴素贝叶斯 　　
第5章　Logistic回归 　　
第6章　支持向量机　　
第7章　利用AdaBoost元算法提高分类

第二部分　利用回归预测数值型数据

第8章　预测数值型数据：回归 　　
第9章　树回归　

第三部分　无监督学习

第10章　利用K-均值聚类算法对未标注数据分组　　
第11章　使用Apriori算法进行关联分析　　
第12章　使用FP-growth算法来高效发现频繁项集　　

第四部分　其他工具

第13章　利用PCA来简化数据　　
第14章　利用SVD简化数据　　
第15章　大数据与MapReduce　　

---

对应总结

实战项目和相关心得总结随着学习跟进在不断更新，项目不一定与书里的项目一致。

第一部分　分类

第1章　机器学习基础
第2章　k-近邻算法
第3章　决策树
第4章　基于概率论的分类方法：朴素贝叶斯
第5章　Logistic回归　　
第6章　支持向量机　　
第7章　利用AdaBoost元算法提高分类

第二部分　利用回归预测数值型数据

第8章　预测数值型数据：回归 　　
第9章　树回归　

第三部分　无监督学习

第10章　利用K-均值聚类算法对未标注数据分组
第11章　使用Apriori算法进行关联分析　　
第12章　使用FP-growth算法来高效发现频繁项集　　

第四部分　其他工具

第13章　利用PCA来简化数据　　
第14章　利用SVD简化数据　　
第15章　大数据与MapReduce