Python机器学习算法: 原理、实现与案例

封面

书名页

版权信息

内容简介

作者简介

前言

第1章 线性回归

1.1 线性回归模型

1.2 最小二乘法

1.3 梯度下降

1.4 算法实现

1.5 项目实战

第2章 Logistic回归与Softmax回归

2.1 Logistic回归

2.2 Softmax回归

2.3 编码实现

2.4 项目实战

第3章 决策树——分类树

3.1 决策树模型

3.2 生成决策树

3.3 切分特征的选择

3.4 算法实现

3.5 绘制决策树

3.6 项目实战

第4章 决策树——分类回归树

4.1 CART算法的改进

4.2 处理连续值特征

4.3 CART分类树与回归树

4.4 算法实现

4.5 项目实战

第5章 朴素贝叶斯

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6章 支持向量机

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

6.4 SMO算法

6.5 算法实现

6.6 项目实战

第7章 k近邻学习

7.1 kNN学习

7.2 kNN的一种实现：k-d树

7.3 算法实现

7.4 项目实战

第8章 K-Means

8.1 K-Means

8.2 K-Means++

8.3 算法实现

8.4 项目实战

第9章 人工神经网络

9.1 神经网络

9.2 反向传播算法

9.3 算法实现