機器學習原理與實踐(開源圖書)-總目錄
阿新 • • 發佈:2018-12-03
機器學習原理與實踐(開源圖書)-總目錄
現在我們有了足夠的基礎設施收集資料和處理資料的能力,諸如:物聯網、全球導航系統、網際網路、工業網際網路、電信網路、行動通訊網路、感測器網路、雲端計算、超級計算機叢集。從海量資料中建立模型或發現有用的知識才能將資料礦藏變成真實的知識財富,而挖礦的工具就是機器學習。
一起閱讀和完善: 機器學習&深度學習原理與實踐(開源圖書)。告別碎片閱讀,構成知識譜系。
第1章 機器學習概述
第2章 機器學習的理論基礎
第3章 特徵工程與模型選擇
第4章 迴歸演算法
- 機器學習-41:線性迴歸演算法(Linear Regression)
- 機器學習-42:非線性迴歸演算法(Non-linear Regression)
- 機器學習-43:多項式迴歸演算法(Polynomial Regression)
第5章 分類演算法
- 機器學習-51:邏輯迴歸分類演算法(Logistic Regression)
- 機器學習-52:K最近鄰分類演算法(k-Nearest Neighbor-KNN)
- 機器學習-53:樸素貝葉斯分類演算法(Naive Bayesian, NB)
- 機器學習-54:整合學習分類演算法(ada-boost)
- 機器學習-55:支援向量機分類演算法(Support Vector Machine)
- 機器學習-56:決策樹分類演算法(Decision Tree)
- 機器學習-57:人工神經網路分類演算法(Artificial Neural Network)
第6章 降維聚類演算法
- 機器學習-61:K均值聚類演算法(K-Means Clustering)
- 機器學習-62:層次聚類演算法(Hierarchical Clustering)
- 機器學習-63:混合高斯模型(Gaussian Mixture Model)聚類演算法
- 機器學習-64:線性判別分析(Linear Discriminant Analysis)降維演算法
- 機器學習-65:主成因分析(Principal Component Analysis)降維演算法
第7章 機器學習例項(SkLearn)
以下章節TODO:
- 機器學習-73:SkLearn的分類演算法實戰
- 機器學習-74:SkLearn的聚類演算法實戰
第8章 機器學習例項(Tensorflow) 本章TODO
- 機器學習-81:探索Tensorflow的資料集
- 機器學習-82:Tensorflow的迴歸演算法實戰
- 機器學習-83:Tensorflow的分類演算法實戰
- 機器學習-84:Tensorflow的聚類演算法實戰
- 機器學習-85:Tensorflow的特徵工程實戰
第9章 機器學習高階話題 本章TODO
- 機器學習-91:隱馬爾科夫模型(Hidden Markov Model)
- 機器學習-92:遺傳演算法(理論&實踐&多圖)
相關文章
參考資料
- [1] 周志華. 機器學習. 清華大學出版社. 2016.
- [2] [日]杉山將. 圖解機器學習. 人民郵電出版社. 2015.
- [3] 佩德羅·多明戈斯. 終極演算法-機器學習和人工智慧如何重塑世界. 中信出版社. 2018.