Skip to content

matrixgardener/ML_Learning_In_Action

BranchesTags

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

11 Commits
.ipynb_checkpoints
.ipynb_checkpoints
 
 
image
image
 
 
input&code
input&code
 
 
.gitattributes
.gitattributes
 
 
00机器学习实战-机器学习的数学基础.ipynb
00机器学习实战-机器学习的数学基础.ipynb
 
 
01机器学习实战-第1章 机器学习基础.ipynb
01机器学习实战-第1章 机器学习基础.ipynb
 
 
02机器学习实战-第2章 k近邻算法（kNN）.ipynb
02机器学习实战-第2章 k近邻算法（kNN）.ipynb
 
 
03机器学习实战-第3章 决策树.ipynb
03机器学习实战-第3章 决策树.ipynb
 
 
04机器学习实战-第4章 贝叶斯分类.ipynb
04机器学习实战-第4章 贝叶斯分类.ipynb
 
 
05机器学习实战-第5章 Logistics回归.ipynb
05机器学习实战-第5章 Logistics回归.ipynb
 
 
06机器学习实战-第6章 支持向量机.ipynb
06机器学习实战-第6章 支持向量机.ipynb
 
 
07机器学习实战-第7章 AdaBoost算法.ipynb
07机器学习实战-第7章 AdaBoost算法.ipynb
 
 
08机器学习实战-第8章 预测数值型数据：回归.ipynb
08机器学习实战-第8章 预测数值型数据：回归.ipynb
 
 
09机器学习实战-第9章 树回归.ipynb
09机器学习实战-第9章 树回归.ipynb
 
 
10机器学习实战-第10章 K-Means聚类算法.ipynb
10机器学习实战-第10章 K-Means聚类算法.ipynb
 
 
11机器学习实战-第11章 使用Apriori算法进行关联分析.ipynb
11机器学习实战-第11章 使用Apriori算法进行关联分析.ipynb
 
 
12机器学习实战-第12章 使用FP-growth算法来高效发现频繁项集.ipynb
12机器学习实战-第12章 使用FP-growth算法来高效发现频繁项集.ipynb
 
 
README.md
README.md
 
 
《机器学习实战》学习总结（十四）——EM算法.ipynb
《机器学习实战》学习总结（十四）——EM算法.ipynb
 
 
机器学习-study.ipynb
机器学习-study.ipynb
 
 
机器学习实战——第十一章——隐马尔可夫模型（HMM）.ipynb
机器学习实战——第十一章——隐马尔可夫模型（HMM）.ipynb
 
 
机器学习实战》学习总结（十三）——最大熵模型.ipynb
机器学习实战》学习总结（十三）——最大熵模型.ipynb
 
 
机器学习实战第十二章——条件随机场（CRF）.ipynb
机器学习实战第十二章——条件随机场（CRF）.ipynb
 
 
机器学习算法-第8章 万能分类器-支持向量机.ipynb
机器学习算法-第8章 万能分类器-支持向量机.ipynb
 
 
生成式模型VS判别式模型浅析.ipynb
生成式模型VS判别式模型浅析.ipynb
 
 

Repository files navigation

ML_Learning_In_Action

梳理概念，具体公式推导后续补充，来源自《机器学习实战》《机器学习》（周志华）知乎作者王小猴与片刻CSDN用户修行的猫_zq

About

ML study process record

Resources

Readme
Activity

Stars

143 stars

Watchers

2 watching

Forks

16 forks
Report repository

Releases

No releases published

Packages

No packages published

Languages