《機器學習實戰》學習筆記

好久沒寫過博客了，一重開就給本身挖了這麼一個大坑……

最近一段時間看了《機器學習實戰》這本書，感受寫得不錯，認真看了看。關於這本書的書評及購買事宜請移步豆瓣、京東、亞馬遜等網站，這裏很少說。不過有一點，感受這本書有個很好的地方是給出了各個算法的Python實現代碼和講解，要求不高的話能夠拿來用了（懶）。在這裏想好好寫寫從這本書中學到的東西，文中的代碼和主要內容也將均來自這本書。

 

目錄

第一部分 分類

第1章 機器學習基礎

第2章 k-近鄰算法

第3章 決策樹

第4章 基於機率論的分類方法：樸素貝葉斯

第5章 Logistic迴歸

第6章 支持向量機

第7章 利用Adaboost元算法提升分類性能

 

第二部分 利用迴歸預測數值型數據

第8章 預測數值型數據：迴歸

第9章 樹迴歸

 

第三部分 無監督學習

第10章 利用K-均值聚類算法對未標註數據分組

第11章 使用Apriori算法進行關聯分析

第12章 使用FP-growth算法來高效發現頻繁項集

 

第四部分 其餘工具

第13章 利用PCA來簡化數據

第14章 利用SVD簡化數據

第15章 大數據與MapReduce

 

本書的主頁：https://www.manning.com/books/machine-learning-in-action

書中的代碼和所使用的數據集能夠在主頁或者這裏（做者的GitHub版本庫）找到。

書中有的代碼均使用Python 2.7，並普遍使用了NumPy模塊，若干章中還使用了Matplotlib模塊進行繪圖。能夠安裝Python 2.7的官方發行版，而後依次安裝NumPy和Matplotlib模塊（須要解決依賴）。在這裏推薦直接安裝Python發行版Anaconda，已經內置了不少科學計算所需的模塊，可直接使用。