机器学习经典算法实践
作者： 肖云鹏
出版时间：2018年版
内容简介
　　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。
目录
目录
●第1章KNN

1.1KNN算法原理

1.1.1算法引入

1.1.2科学问题

1.1.3算法流程

1.1.4算法描述

1.1.5补充说明

1.2KNN算法实现

1.2.1简介

1.2.2核心代码

1.3实验数据

1.4实验结果

1.4.1结果展示

1.4.2结果分析

●第2章朴素贝叶斯

2.1朴素贝叶斯算法原理

2.1.1朴素贝叶斯算法引入

2.1.2科学问题

2.1.3算法流程

2.1.4算法描述

2.1.5算法补充

2.2朴素贝叶斯算法实现

2.2.1简介

2.2.2核心代码

2.3实验数据

2.4实验结果

2.4.1结果展示

2.4.2结果分析

●第3章C4.5

3.1C4.5算法原理

3.1.1C4.5算法引入

3.1.2科学问题

3.1.3算法流程

3.1.4算法描述

3.1.5补充说明

3.2C4.5算法实现

3.2.1简介

3.2.2核心代码

3.3实验数据

3.4实验结果

3.4.1结果展示

3.4.2结果分析

●第4章SVM

4.1SVM算法原理

4.1.1算法引入

4.1.2科学问题

4.1.3算法流程

4.1.4算法描述

4.1.5补充说明

4.2SVM算法实现

4.2.1简介

4.2.2核心代码

4.3实验数据

4.4实验结果

4.4.1结果展示

4.4.2结果分析

●第5章AdaBoost

5.1AdaBoost算法原理

5.1.1算法引入

5.1.2科学问题

5.1.3算法流程

5.1.4算法描述

5.1.5补充说明

5.2AdaBoost算法实现

5.2.1简介

5.2.2核心代码

5.3实验数据

5.4实验结果

5.4.1结果展示

5.4.2结果分析

●第6章CART

6.1CART算法原理

6.1.1算法引入

6.1.2科学问题

6.1.3算法流程

6.1.4算法描述

6.1.5补充说明

6.2CART算法实现

6.2.1简介

6.2.2核心代码

6.3实验数据

6.4实验结果

6.4.1结果展示

6.4.2结果分析

●第7章KMeans

7.1KMeans算法原理

7.1.1算法引入

7.1.2科学问题

7.1.3算法流程

7.1.4算法描述

7.1.5补充说明

7.2KMeans算法实现

7.2.1简介

7.2.2核心代码

7.3实验数据

7.4实验结果

7.4.1结果展示

7.4.2结果分析

●第8章Apriori

8.1Apriori算法原理

8.1.1算法引入

8.1.2科学问题

8.1.3算法流程

8.1.4算法描述

8.2Apriori算法实现

8.2.1简介

8.2.2核心代码

8.3实验数据

8.4实验结果

8.4.1结果展示

8.4.2结果分析

●第9章PageRank

9.1PageRank算法原理

9.1.1PageRank算法引入

9.1.2科学问题

9.1.3算法流程

9.1.4算法描述

9.2PageRank算法实现

9.2.1简介

9.2.2核心代码

9.3实验数据

9.4实验结果

9.4.1结果展示

9.4.2结果分析

●第10章EM

10.1EM算法原理

10.1.1EM算法引入

10.1.2科学问题

10.1.3理论推导

10.1.4算法流程

10.1.5算法描述

10.2EMGMM实现

10.2.1简介

10.2.2核心代码

10.3实验数据

10.4实验结果

10.4.1结果展示

10.4.2结果分析

参考文献







上一篇: 小白轻松学Power BI数据分析 宋翔 2019年版
下一篇: 淘宝天猫网店运营从入门到精通：爆款打造、SEO实战、活动营销一本就够 蒋晖 2019年版