《機器學習實戰》學習記錄
阿新 • • 發佈：2018-12-08
1. 學習資料
2. 學習安排
2.1 機器學習基礎（第一週）
-
2.1.2 開發環境的搭建：Python3 + Anaconda + Jupyter Notebook
-
2.1.3 Jupyter Notebook 使用簡介
2.2 k-近鄰演算法（第一週）
-
2.2.1 k-近鄰演算法概述
-
2.2.2 示例：使用 k-近鄰演算法改進網站的配對效果
-
2.2.3 示例：手寫識別系統
打卡：
（閱讀《機器學習實戰》書籍第二章2.1,2.2,2.3章節）
參考資料：李航《統計學習演算法》第3章
“使用k近鄰演算法改進網站的配對效果”
“手寫識別系統”
2.3 決策樹（第二週）
-
2.3.1 決策樹的構造
-
2.3.2 在 Python 中使用 Matplotlib 註解繪製樹形圖
-
2.3.3 測試和儲存分類器
-
2.3.4 示例：使用決策樹預測隱形眼鏡型別
2.4 樸素貝葉斯（第二週）
-
2.4.1 基於貝葉斯決策理論的分類方法
-
2.4.2 條件概率
-
2.4.3 使用條件概率來分類
-
2.4.4 使用樸素貝葉斯進行文件分類
-
2.4.5 使用 Python 進行文字分類
-
2.4.6 示例：使用樸素貝葉斯過濾垃圾郵件