Machine-learning-in-action
个人使用jupyter notebook整理的peter的《机器学习实战》代码，使其更有层次感，更加连贯，也根据自己的代码习惯，加了一些自己的修改，以及注释
这是给自己做的笔记，贴出来，也是希望大家一起学习!
注：原版所有代码点击这里 GitHub整理的资源apachecn/MachineLearning
内容包括：
adaBoost文件夹：AdaBoost元算法提高分类性能
apriori文件夹：Apriori算法进行关联分析
bayes文件夹：bayes算法用于垃圾邮件分类
decisionTree文件夹：使用决策树算法，进行数据分类
fp-growth文件夹：FP-growth算法加速发现频繁项集
kmeans文件夹：kmeans + 二分kmeans算法
k-Nearest Neighbor文件夹：k近邻算法 + 数值归一化
logistic文件夹：batch GD + SGD
pca文件夹：pca降维
pca和svd的比较：关于pca和svd的区别和联系，理论参见博客
regress文件夹：线性回归 + 局部加权线性回归 + 岭回归 + 向前逐步回归
regressionTree文件夹：回归树+模型树
svd文件夹：svd降维 + 协同过滤算法进行物品推荐
svm文件夹：简化版smo实现svm(支持向量机)分类器
完结
-
京东购买网址：https://item.jd.com/11242112.html 外文购买网址：https://www.manning.com/books/machine-learning-in-action Github地址：https://github.com/pbharrin/machinelearninginaction
-
用kNN和SVM进行手写数字识别–kNN 学习《机器学习实战》有段时间了，回过头来发现并没有留下些笔记之类的，so sad。慢慢积累吧。。。 打算结合Numpy写kNN代码，并和sklearn工具中的neighbors.KNeighborsClassifier()做个比较。 数据说明 1、手写数字训练样本共1934个，0~9每个数字大约190个样本。 2、测试数据共946个，每个数字约90+个样本
-
本博客记录吴恩达的《深度学习专项系列课程（Deep Learning Specialization） 编程作业：Support Vector Machines 1 gaussianKernel函数 function sim = gaussianKernel(x1, x2, sigma) %RBFKERNEL returns a radial basis function kernel betwee
-
下面是本人正在学习Python时遇到的一些错误，记录下来 <<Machine Learning in Action>> 1.TypeError: ‘dict_keys’ object does not support indexing （错误地点：程序清单3-6） 此问题为Python版本问题 #在Python2中： firstStr = myTree.keys()[0] #在Python3中：
-
Lộ trình học Machine Learning, Deep Learning cho người mới bắt đầu Tôi đã từng học Machine Learning trong vòng 2 tháng và tôi tin bạn cũng có thể làm được. Lộ trình sẽ giúp bạn nắm chắc công nghệ này
-
Machine-Learning-and-AI-in-Trading Here is some of codes generated in Python using Machine Learning and AI for generating prediction in Stock Prices. Packages Used: Talib Scikit Learn TensorFlow Keras
-
学习意味着通过学习或经验获得知识或技能。 基于此，我们可以定义机器学习（ML）如下 - 它可以被定义为计算机科学领域，更具体地说是人工智能的应用，其为计算机系统提供了学习数据和从经验改进而无需明确编程的能力。 基本上，机器学习的主要焦点是允许计算机自动学习而无需人为干预。 现在问题是如何开始和完成这种学习？ 它可以从数据的观察开始。 数据可以是一些示例，指令或一些直接经验。 然后在此输入的基础上，
-
Machine Learning This project provides a web-interface,as well as a programmatic-apifor various machine learning algorithms. Supported algorithms: Support Vector Machine (SVM) Support Vector Regressio
-
深度学习 我们可以在Personal Computer上完成庞大的任务 深度学习是一种适应于各类问题的万能药 神经网络 神经网络出现于80年代，但当时计算机运行慢，数据集很小，神经网络不适用 现在神经网络回来了，因为能够进行GPU计算，可用使用的数据集也变大 分类 分类的一些讨论可以在这个项目里看到 Machine Learning不仅是Classification！但分类是机器学习的核心。 学会
-
Machine Learning Projects This repository contains mini projects in machine learning with jupyter notebook files.Go to the projects folder and see the readme for detailed instructions about the projec