机器学习实战pdf|网盘下载内附提取码

点击此处进入下载地址
提取码：67ju

目 录
第一部分 分类 
第 1 章 机器学习基础 ……………………………….2
1.1 何谓机器学习 ……………………………………..3 
1.1.1 传感器和海量数据…………………….4 
1.1.2 机器学习非常重要…………………….5 
1.2 关键术语…………………………………………….5 
1.3 机器学习的主要任务……………………………7 
1.4 如何选择合适的算法……………………………8 
1.5 开发机器学习应用程序的步骤 ……………..9 
1.6 Python 语言的优势 …………………………….10 
1.6.1 可执行伪代码………………………….10 
1.6.2 Python 比较流行 ……………………..10 
1.6.3 Python 语言的特色…………………..11 
1.6.4 Python 语言的缺点…………………..11 
1.7 NumPy 函数库基础 ……………………………12 
1.8 本章小结…………………………………………..13 
第 2 章 k-近邻算法 …………………………………15
2.1 k-近邻算法概述 …………………………………15 
2.1.1 准备：使用 Python 导入数据 ……17 
2.1.2 实施 kNN 算法………………………..19 
2.1.3 如何测试分类器………………………20 
2.2 示例：使用 k-近邻算法改进约会网站
的配对效果……………………………………….20 
2.2.1 准备数据：从文本文件中解析
数据……………………………………….21 
2.2.2 分析数据：使用 Matplotlib 创
建散点图 ………………………………..23 
2.2.3 准备数据：归一化数值 ……………25 
2.2.4 测试算法：作为完整程序验证
分类器……………………………………26 
2.2.5 使用算法：构建完整可用
系统……………………………………….27 
2.3 示例：手写识别系统 …………………………28 
2.3.1 准备数据：将图像转换为测
试向量……………………………………29 
2.3.2 测试算法：使用 k-近邻算法
识别手写数字 …………………………30 
2.4 本章小结…………………………………………..31 
第 3 章 决策树 ………………………………………..32
3.1 决策树的构造……………………………………33 
3.1.1 信息增益………………………………..35 
3.1.2 划分数据集 …………………………….37 
3.1.3 递归构建决策树………………………39 
3.2 在 Python 中使用 Matplotlib 注解绘制
树形图 ……………………………………………..42 
3.2.1 Matplotlib 注解 ……………………….43 
3.2.2 构造注解树 …………………………….44 
3.3 测试和存储分类器 …………………………….48 
3.3.1 测试算法：使用决策树执行
分类……………………………………….49 
3.3.2 使用算法：决策树的存储 ………..50 
3.4 示例：使用决策树预测隐形眼镜类型….50 
3.5 本章小结…………………………………………..52 
第 4 章 基于概率论的分类方法：朴素
贝叶斯 ………………………………………..53
4.1 基于贝叶斯决策理论的分类方法 ………..53 
4.2 条件概率…………………………………………..55 
4.3 使用条件概率来分类 …………………………56 
4.4 使用朴素贝叶斯进行文档分类 ……………57 
4.5 使用 Python 进行文本分类 …………………58