《机器学习实战》学习笔记

好久没写过博客了，一重开就给本身挖了这么一个大坑……

最近一段时间看了《机器学习实战》这本书，感受写得不错，认真看了看。关于这本书的书评及购买事宜请移步豆瓣、京东、亚马逊等网站，这里很少说。不过有一点，感受这本书有个很好的地方是给出了各个算法的Python实现代码和讲解，要求不高的话能够拿来用了（懒）。在这里想好好写写从这本书中学到的东西，文中的代码和主要内容也将均来自这本书。

 

目录

第一部分 分类

第1章 机器学习基础

第2章 k-近邻算法

第3章 决策树

第4章 基于几率论的分类方法：朴素贝叶斯

第5章 Logistic回归

第6章 支持向量机

第7章 利用Adaboost元算法提升分类性能

 

第二部分 利用回归预测数值型数据

第8章 预测数值型数据：回归

第9章 树回归

 

第三部分 无监督学习

第10章 利用K-均值聚类算法对未标注数据分组

第11章 使用Apriori算法进行关联分析

第12章 使用FP-growth算法来高效发现频繁项集

 

第四部分 其余工具

第13章 利用PCA来简化数据

第14章 利用SVD简化数据

第15章 大数据与MapReduce

 

本书的主页：https://www.manning.com/books/machine-learning-in-action

书中的代码和所使用的数据集能够在主页或者这里（做者的GitHub版本库）找到。

书中有的代码均使用Python 2.7，并普遍使用了NumPy模块，若干章中还使用了Matplotlib模块进行绘图。能够安装Python 2.7的官方发行版，而后依次安装NumPy和Matplotlib模块（须要解决依赖）。在这里推荐直接安装Python发行版Anaconda，已经内置了不少科学计算所需的模块，可直接使用。