Python机器学习算法 原理、实现与案例_第1页
Python机器学习算法 原理、实现与案例_第2页
Python机器学习算法 原理、实现与案例_第3页
Python机器学习算法 原理、实现与案例_第4页
Python机器学习算法 原理、实现与案例_第5页
已阅读5页，还剩23页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

读书笔记模板Python机器学习算法原理、实现与案例01思维导图读书笔记作者介绍内容摘要目录分析精彩摘录目录0305020406思维导图机器原理算法机器算法爱好者兴趣人工神经网络算法项目第章模型实战决策树线性特征树人工神经网络梯度本书关键字分析思维导图内容摘要内容摘要本书用平实的语言深入浅出地介绍当前热门的机器学习经典算法，包括线性回归、Logistic回归与Softmax回归、决策树（分类与回归）、朴素贝叶斯、支持向量机、K近邻学习、K-Means和人工神经网络，针对每一个算法首先介绍数学模型及原理，然后根据模型和算法描述使用Python编程和Numpy库进行算法实现，最后通过案例让读者进一步体会算法的应用场景以及应用时所需注意的问题。本书适合准备进入人工智能和数据分析与挖掘领域的初学者，对机器学习算法感兴趣的爱好者、程序员、大学生和各类IT培训班的学员使用。读书笔记读书笔记该书对于算法原理的讲解是十分顺畅的，而使用numpy实现各算法有助于对于算法原理的理解。纯使用python基础语法与numpy库实现各大常用算法，而不是直接调库，得有一定数学功底。算法理论部分讲得还是很透彻的，代码部分操作了一小部分，大部分在看懂了原理之后就用了python自带模块操作验证了。讲了很多算法理论，甚至用代码去实现算法，作者也是很花心思了。目录分析1.1线性回归模型1.3梯度下降1.2最小二乘法第1章线性回归1.5项目实战1.4算法实现第1章线性回归2.2Softmax回归2.1Logistic回归第2章Logistic回归与Softmax回归2.4项目实战2.3编码实现第2章Logistic回归与Softmax回归3.1决策树模型3.3切分特征的选择3.2生成决策树第3章决策树——分类树3.4算法实现3.6项目实战3.5绘制决策树第3章决策树——分类树4.1CART算法的改进4.2处理连续值特征4.3CART分类树与回归树4.4算法实现4.5项目实战12345第4章决策树——分类回归树5.1朴素贝叶斯模型5.2模型参数估计5.3算法实现5.4项目实战第5章朴素贝叶斯6.1线性可分支持向量机6.2线性支持向量机6.3非线性支持向量机6.4SMO算法第6章支持向量机6.6项目实战6.5算法实现第6章支持向量机7.1kNN学习7.2kNN的一种实现：k-d树7.3算法实现7.4项目实战第7章k近邻学习8.2K-Means++8.1K-Means第8章K-Means8.4项目实战8.3算法实现第8章K-Means9.1神经网络9.2反向传播算法9.3算法实现9.4项目实战第9章人工神经网络作者介绍同名作者介绍这是《Python机器学习算法原理、实现与案例》的读书笔记模板，暂无该书作者的介绍

人人文库> 全部分类> 教育资料 > 备课教案

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论