大数据技术之_24_电影推荐系统项目_03_监督学习--简单线性回归模型 + 监督学习--分类模型 + 无监督学习--K 均值聚类模型

第七章 监督学习--简单线性回归模型7.1 最小二乘法求解线性回归7.2 梯度降低法求解线性回归7.3 调用 sklearn 库求解线性回归第八章 监督学习--分类模型8.1 K 近邻（KNN）模型8.2 逻辑斯蒂回归模型8.3 决策树模型第九章 无监督学习--K 均值聚类模型9.1 聚类--k 均值

---

第七章 监督学习--简单线性回归模型

线性回归模型

7.1 最小二乘法求解线性回归

有监督学习--简单线性回归模型（最小二乘法代码实现）

7.2 梯度降低法求解线性回归

有监督学习--简单线性回归模型（梯度降低法代码实现）

梯度降低法与最小二乘法的异同：

7.3 调用 sklearn 库求解线性回归

有监督学习--简单线性回归模型（调用 sklearn 库代码实现）

第八章 监督学习--分类模型

8.1 K 近邻（KNN）模型

有监督学习--分类模型--K 近邻（kNN）代码实现

8.2 逻辑斯蒂回归模型

逻辑斯蒂回归

逻辑斯蒂回归损失函数

8.3 决策树模型

决策树

熵、条件熵、信息增益

第九章 无监督学习--K 均值聚类模型

9.1 聚类--k 均值

无监督学习--聚类模型--K 均值代码实现