python學習之機器學習

阿新 • • 發佈：2018-11-07

R語言學習筆記

R實現機器學習

R機器學習（一）——一元迴歸 R機器學習（二）——非線性迴歸 R機器學習（三）——多元迴歸 R機器學習（四）——logistics迴歸 R機器學習（五）——決策樹ID3演算法 R機器學習（六）——決策樹C4.5演算法
R機器學習（七）——迴歸樹CART演算法 R機器學習（八）——K-means聚類
R機器學習（九）——層次聚類
R機器學習（十）——密度聚類DBSCAN R機器學習（十一）——Apriori關聯規則 R機器學習（十二）——SVM R機器學習（十三）——時間序列模型 R機器學習（十四）——主成分分析 R機器學習（十五）——樸素貝葉斯 R機器學習（十六）——KNN演算法 R機器學習（十七）——梯度提升決策樹（GBDT）

R機器學習（十八）——隨機森林 R機器學習（十九）——Adaboost演算法 R機器學習（二十）——BP神經網路 R機器學習（二十一）——基於Tensorflow實現神經網路

Python學習筆記

Matplotlib畫圖

scikit-learn實現機器學習

【scikit-learn】機器學習（一）——一元迴歸模型【scikit-learn】機器學習（二）——非線性迴歸【scikit-learn】機器學習（三）——多元迴歸【scikit-learn】機器學習（四）——logistics迴歸【scikit-learn】機器學習（五）——決策樹ID3演算法【scikit-learn】機器學習（六）——決策樹C4.5演算法
【scikit-learn】機器學習（七）——迴歸樹CART演算法【scikit-learn】機器學習（八）——K-means聚類
【scikit-learn】機器學習（九）——層次聚類
【scikit-learn】機器學習（十）——密度聚類DBSCAN 【scikit-learn】機器學習（十一）——Apriori關聯規則【scikit-learn】機器學習（十二）——SVM 【scikit-learn】機器學習（十三）——時間序列模型【scikit-learn】機器學習（十四）——主成分分析【scikit-learn】機器學習（十五）——樸素貝葉斯【scikit-learn】機器學習（十六）——KNN演算法【scikit-learn】機器學習（十七）——梯度提升決策樹（GBDT）【scikit-learn】機器學習（十八）——隨機森林【scikit-learn】機器學習（十九）——Adaboost演算法【scikit-learn】機器學習（二十）——BP神經網路【scikit-learn】機器學習（二十一）——基於Tensorflow實現神經網路【scikit-learn】機器學習（二十二）——圖片聚類：k-means演算法的python實現

Machine Learning學習筆記

【Trick】決策樹剪枝【Trick】核技巧【Trick】資料預處理的常用方法【Trick】機器學習特徵工程處理（一）【異同】資訊增益、Gini、資訊增益率【異同】決策樹ID3和C4.5的異同【異同】LR和SVM的異同【異同】梯度提升決策樹和隨機森林的異同【ML演算法】監督學習——線性迴歸【ML演算法】監督學習——邏輯迴歸【ML演算法】監督學習——決策樹ID3演算法【ML演算法】監督學習——決策樹C4.5演算法

【ML演算法】監督學習——支援向量機
【ML演算法】監督學習——KNN演算法
【ML演算法】無監督學習——K-means聚類
【ML演算法】無監督學習——層次聚類【ML演算法】無監督學習——DBCAN聚類【ML演算法】無監督學習——關聯規則Apriori 【ML演算法】整合學習——隨機森林（RF）【ML演算法】整合學習——GBDT 【ML演算法】整合學習——Adaboost

【ML演算法】整合學習——xgboost

Machine Learning演算法底層實現（基於python）

【ML演算法實現】監督學習——線性迴歸【ML演算法實現】監督學習——邏輯迴歸【ML演算法實現】監督學習——決策樹ID3演算法【ML演算法實現】監督學習——決策樹C4.5演算法

【ML演算法實現】監督學習——支援向量機
【ML演算法實現】監督學習——KNN演算法
【ML演算法實現】無監督學習——K-means聚類
【ML演算法實現】無監督學習——層次聚類【ML演算法實現】無監督學習——DBCAN聚類【ML演算法實現】無監督學習——關聯規則Apriori 【ML演算法實現】整合學習——隨機森林（RF）【ML演算法實現】整合學習——GBDT 【ML演算法實現】整合學習——Adaboost

【ML演算法實現】整合學習——xgboost