大數據技術之_24_電影推薦系統項目_03_監督學習--簡單線性迴歸模型 + 監督學習--分類模型 + 無監督學習--K 均值聚類模型

第七章 監督學習--簡單線性迴歸模型7.1 最小二乘法求解線性迴歸7.2 梯度降低法求解線性迴歸7.3 調用 sklearn 庫求解線性迴歸第八章 監督學習--分類模型8.1 K 近鄰（KNN）模型8.2 邏輯斯蒂迴歸模型8.3 決策樹模型第九章 無監督學習--K 均值聚類模型9.1 聚類--k 均值

---

第七章 監督學習--簡單線性迴歸模型

線性迴歸模型

7.1 最小二乘法求解線性迴歸

有監督學習--簡單線性迴歸模型（最小二乘法代碼實現）

7.2 梯度降低法求解線性迴歸

有監督學習--簡單線性迴歸模型（梯度降低法代碼實現）

梯度降低法與最小二乘法的異同：

7.3 調用 sklearn 庫求解線性迴歸

有監督學習--簡單線性迴歸模型（調用 sklearn 庫代碼實現）

第八章 監督學習--分類模型

8.1 K 近鄰（KNN）模型

有監督學習--分類模型--K 近鄰（kNN）代碼實現

8.2 邏輯斯蒂迴歸模型

邏輯斯蒂迴歸

邏輯斯蒂迴歸損失函數

8.3 決策樹模型

決策樹

熵、條件熵、信息增益

第九章 無監督學習--K 均值聚類模型

9.1 聚類--k 均值

無監督學習--聚類模型--K 均值代碼實現