《机器学习全解》随笔.docxVIP

《机器学习全解》阅读札记

目录

一、前言....................................................3

二、机器学习基础............................................3

2.1机器学习定义.........................................5

2.2机器学习分类.........................................6

2.2.1监督学习.........................................7

2.2.2无监督学习.......................................8

2.2.3强化学习.........................................9

2.3机器学习算法........................................11

三、监督学习...............................................14

3.1线性回归............................................16

3.1.1理解线性回归....................................17

3.1.2线性回归算法实现................................18

3.1.3线性回归优缺点..................................19

3.2逻辑回归............................................20

3.2.1理解逻辑回归....................................21

3.2.2逻辑回归算法实现................................23

3.2.3逻辑回归优缺点..................................24

3.3支持向量机..........................................25

3.3.1理解支持向量机..................................26

3.3.2支持向量机算法实现..............................27

3.3.3支持向量机优缺点................................29

四、无监督学习.............................................30

4.1聚类分析............................................31

4.1.1了解聚类分析....................................32

4.1.2常见聚类算法....................................34

4.1.3聚类分析优缺点..................................35

4.2降维技术............................................37

4.2.1主成分分析......................................38

4.2.2线性判别分析....................................39

4.2.3奇异值分解......................................40

五、强化学习...............................................41

六、机器学习工具和库.......................................42

七、机器学习实践...........................................44

7.1数据预处理..........................................45

7.2模型评估与选择......................................47

7.3特征工程............................................49