关键词：
第1章 欢迎来到 Python3 玩转机器学习
1-1 什么是机器学习
1-2 课程涵盖的内容和理念
1-3 课程所使用的主要技术栈
第2章 机器学习基础
2-1 机器学习世界的数据
2-2 机器学习的主要任务
2-3 监督学习，非监督学习，半监督学习和增强学习
2-4 批量学习，在线学习，参数学习和非参数学习
2-5 和机器学习相关的“哲学”思考
2-6 课程使用环境搭建
第3章 Jupyter Notebook, numpy和matplotlib
3-1 Jupyter Notebook基础
3-2 Jupyter Notebook中的魔法命令
3-3 Numpy数据基础
3-4 创建Numpy数组(和矩阵)
3-5 Numpy数组(和矩阵)的基本操作
3-6 Numpy数组(和矩阵)的合并与分割
3-7 Numpy中的矩阵运算
3-8 Numpy中的聚合运算
3-9 Numpy中的arg运算
3-10 Numpy中的比较和Fancy Indexing
3-11 Matplotlib数据可视化基础
3-12 数据加载和简单的数据探索
第4章 最基础的分类算法-k近邻算法 kNN
4-1 k近邻算法基础
4-2 scikit-learn中的机器学习算法封装
4-3 训练数据集，测试数据集
4-4 分类准确度
4-5 超参数
4-6 网格搜索与k近邻算法中更多超参数
4-7 数据归一化
4-8 scikit-learn中的Scaler
4-9 更多有关k近邻算法的思考
第5章 线性回归法
5-1 简单线性回归
5-2 最小二乘法
5-3 简单线性回归的实现
5-4 向量化
5-5 衡量线性回归法的指标：MSE，RMSE和MAE
5-6 最好的衡量线性回归法的指标：R Squared
5-7 多元线性回归和正规方程解
5-8 实现多元线性回归
5-9 使用scikit-learn解决回归问题
5-10 线性回归的可解释性和更多思考
第6章 梯度下降法
6-1 什么是梯度下降法
6-2 模拟实现梯度下降法
6-3 线性回归中的梯度下降法
6-4 实现线性回归中的梯度下降法
6-5 梯度下降法的向量化和数据标准化
6-6 随机梯度下降法
6-7 scikit-learn中的随机梯度下降法
6-8 如何确定梯度计算的准确性？调试梯度下降法
6-9 有关梯度下降法的更多深入讨论
第7章 PCA与梯度上升法
7-1 什么是PCA
7-2 使用梯度上升法求解PCA问题
7-3 求数据的主成分PCA
7-4 求数据的前n个主成分
7-5 高维数据映射为低维数据
7-6 scikit-learn中的PCA
7-7 试手MNIST数据集
7-8 使用PCA对数据进行降噪
7-9 人脸识别与特征脸
第8章 多项式回归与模型泛化
8-1 什么是多项式回归
8-2 scikit-learn中的多项式回归与Pipeline
8-3 过拟合与欠拟合
8-4 为什么要有训练数据集与测试数据集
8-5 学习曲线
8-6 验证数据集与交叉验证
8-7 偏差方差平衡
8-8 模型泛化与岭回归
8-9 LASSO
8-10 L1, L2和弹性网络
第9章 逻辑回归
9-1 什么是逻辑回归
9-2 逻辑回归的损失函数
9-3 逻辑回归损失函数的梯度
9-4 实现逻辑回归算法
9-5 决策边界
9-6 在逻辑回归中使用多项式特征
9-7 scikit-learn中的逻辑回归
9-8 OvR与OvO
第10章 评价分类结果
10-1 准确度的陷阱和混淆矩阵
10-2 精准率和召回率
10-3 实现混淆矩阵，精准率和召回率
10-4 F1 Score
10-5 精准率和召回率的平衡
10-6 精准率-召回率曲线
10-7 ROC曲线
10-8 多分类问题中的混淆矩阵
第11章 支撑向量机 SVM
11-1 什么是SVM
11-2 SVM背后的最优化问题
11-3 Soft Margin SVM
11-4 scikit-learn中的SVM
11-5 SVM中使用多项式特征和核函数
11-6 到底什么是核函数
11-7 RBF核函数
11-8 RBF核函数中的gamma
11-9 SVM思想解决回归问题
第12章 决策树
12-1 什么是决策树
12-2 信息熵
12-3 使用信息熵寻找最优划分
12-4 基尼系数
12-5 CART与决策树中的超参数
12-6 决策树解决回归问题
12-7 决策树的局限性
第13章 集成学习和随机森林
13-1 什么是集成学习
13-2 Soft Voting Classifier
13-3 Bagging 和 Pasting
13-4 oob (Out-of-Bag) 和关于Bagging的更多讨论
13-5 随机森林和 Extra-Trees
13-6 Ada Boosting 和 Gradient Boosting
13-7 Stacking
第14章 更多机器学习算法
14-1 学习scikit-learn文档, 大家加油！
14-2 学习完这个课程以后怎样继续深入机器学习的学习？
转：图解十大经典机器学习算法入门
原文：https://blog.csdn.net/jrunw/article/details/79205322 弱人工智能近几年取得了重大突破，悄然间，已经成为每个人生活中必不可少的一部分。以我们的智能手机为例，看看到底温藏着多少人工智能的神奇魔术。下图是一部典型的... 查看详情
机器学习机器学习的经典算法
【机器学习】机器学习的经典算法 https://mp.weixin.qq.com/s/CxSG9l_dxA4G-SZKOGI1ng 本文为整篇文章第二部分，整篇文章主要目录如下： 1：一个故事说明什么是机器学习2：机器学习的定义3：机器学习的经典算法4：机器学... 查看详情
书签机器学习相关
上手机器学习，从搞懂这十大经典算法开始集成学习方法图解十大经典机器学习算法入门 查看详情
分享《机器学习与应用》pdf+雷明+资料学习
《机器学习与应用》是机器学习和深度学习领域的入门与提高教材，系统、深入地讲述机器学习与深度学习的主流方法与理论，并紧密结合工程实践与应用。下载：https://pan.baidu.com/s/1Yaxt7vVeCZF1uzobz8Fdgw《机器学习与应用》高清PDF... 查看详情
hulu机器学习问题与解答系列|十六：经典优化算法
HappyNewYear! 新年伊始，我们都会在祝福他人之余，为自己暗暗定下几个小目标。那就从现在开始努力吧，跑得更快一点，才会让时间显得慢一些~ 今天的内容是【经典优化算法】 场景描述针对我们遇到的各类优化问题... 查看详情
机器学习入门
目录1机器学习概述2机器学习过程2.1机器学习与人类学习3机器学习的分类3.1无监督学习3.2监督学习3.3深度学习3.4强化学习4机器学习应用1机器学习... 查看详情
hulu机器学习问题与解答系列|十七：随机梯度下降算法之经典变种
这是本周第二篇机器学习，也是Hulu面试题系列的第十七篇了~之前的所有内容都可以在菜单栏的“机器学习”中找到，愿你温故，知新。 今天的内容是【随机梯度下降算法之经典变种】 场景描述提到DeepLearning中的优化方... 查看详情
《机器学习算法入门》即将上市出版，预计2020年6，7月份
《机器学习入门》本书通过通俗易懂的语言，丰富的图示和经典的案例，让广大机器学习爱好者轻松入门机器学习MachineLearning，有效地降低了学习的门槛。本书共分11章节，覆盖的主要内容有机器学习概述、数据预处理、K近邻算... 查看详情
从零入门机器学习之开宗明义：编程与数据思维
...法行业就业。希望和大家一起成长进步。 本文是从零入门机器学习的第一篇文章，主要内容是讲解思维与方法，目的是让新手掌握新的思维 查看详情
机器学习入门之四：机器学习的方法--svm（支持向量机）（转载）
转自 飞鸟各投林 SVM（支持向量机） 支持向量机算法是诞生于统计学习界，同时在机器学习界大放光彩的经典算法。 支持向量机算法从某种意义上来说是逻辑回归算法的强化：通过给予逻辑回归... 查看详情
华燕-专题视频课程
...已学习课程介绍 本视频课程是机器学习算法入门的升级课程。从机器学习、深度学习基础入手，以模型为基础，以算法与数学推导为核心，以算法调参与应用为导向。通过对机器学习中几个经典核心算法&#... 查看详情
有哪些python经典书籍
...深入浅出地剖析了深度学习的原理和相关技术。书中使用Python3，尽量不依赖外部库或工具，从基本的数学知识出发，带领读者从零创建一个经典的深度学习网络，使读者在此过程中逐步理解深度学习。书中不仅介绍了深度学习... 查看详情
从零入门机器学习之开宗明义：编程与数据思维
...法行业就业。希望和大家一起成长进步。 本文是从零入门机器学习的第一篇文章，主要内容是讲解思维与方法，目的是让新手掌握新的思维方式，提升学习的效率，从而尽早达到入门之道。之所以不是一上来就讲解具体的知... 查看详情
《算法竞赛入门经典（第二版）》pdf
...简介 · · · · · ·《算法竞赛入门经典（第2版）》是一本算法竞赛的入门与提高教材，把C/C++语言、算法和解题有机地结合在一起，淡化理论，注重学习方法和实践技巧。全书内容分为12章，包括程序... 查看详情
python三本经典书籍都是啥？
...深入浅出地剖析了深度学习的原理和相关技术。书中使用Python3，尽量不依赖外部库或工具，从基本的数学知识出发，带领读者从零创建一个经典的深度学习网络，使读者在此过程中逐步理解深度学习。书中不仅介绍了深度学习... 查看详情
机器学习经典算法
函数名称均为sklearn库中的函数1.线性回归算法：LinearRegression： 其中常用的有：Ridge:岭回归算法，MultiTaskLasso:多任务LASSO回归算法，ElasticNet:弹性网眼算法，LassoLars:LARS套索算法，OrthogonalMatchingPursuit:正交匹配追踪（OMP）算法，... 查看详情
机器学习--入门答疑
...以及围绕推荐场景的编码实践，算是对机器学习有了一个入门的体验。但是中间也踩过不少坑，比如啃过线性代数的教材、看过无聊的机器学习课程、追过高端的机器学习书籍、陷入一个算法无法自拔（最后也没整明白）...其实... 查看详情
机器学习机器学习入门08-聚类与聚类算法k-means(代码片段)
时间过得很快，这篇文章已经是机器学习入门系列的最后一篇了。短短八周的时间里，虽然对机器学习并没有太多应用和熟悉的机会，但对于机器学习一些基本概念已经差不多有了一个提纲挈领的了解，如分类和回归，损失函数... 查看详情