點擊此處進入下載地址提取碼:67ju 目 錄第一部分 分類 第 1 章 機器學習基礎 .....................................21.1 何謂機器學習 ............................................3 1.1.1 感測器和海量 ...
點擊此處進入下載地址
提取碼:67ju
目 錄
第一部分 分類
第 1 章 機器學習基礎 .....................................2
1.1 何謂機器學習 ............................................3
1.1.1 感測器和海量數據.........................4
1.1.2 機器學習非常重要.........................5
1.2 關鍵術語....................................................5
1.3 機器學習的主要任務.................................7
1.4 如何選擇合適的演算法.................................8
1.5 開發機器學習應用程式的步驟 .................9
1.6 Python 語言的優勢 ..................................10
1.6.1 可執行偽代碼...............................10
1.6.2 Python 比較流行 ..........................10
1.6.3 Python 語言的特色.......................11
1.6.4 Python 語言的缺點.......................11
1.7 NumPy 函數庫基礎 .................................12
1.8 本章小結..................................................13
第 2 章 k-近鄰演算法 .......................................15
2.1 k-近鄰演算法概述 .......................................15
2.1.1 準備:使用 Python 導入數據 ......17
2.1.2 實施 kNN 演算法.............................19
2.1.3 如何測試分類器...........................20
2.2 示例:使用 k-近鄰演算法改進約會網站
的配對效果..............................................20
2.2.1 準備數據:從文本文件中解析
數據..............................................21
2.2.2 分析數據:使用 Matplotlib 創
建散點圖 ......................................23
2.2.3 準備數據:歸一化數值 ...............25
2.2.4 測試演算法:作為完整程式驗證
分類器..........................................26
2.2.5 使用演算法:構建完整可用
系統..............................................27
2.3 示例:手寫識別系統 ..............................28
2.3.1 準備數據:將圖像轉換為測
試向量..........................................29
2.3.2 測試演算法:使用 k-近鄰演算法
識別手寫數字 ..............................30
2.4 本章小結..................................................31
第 3 章 決策樹 ...............................................32
3.1 決策樹的構造..........................................33
3.1.1 信息增益......................................35
3.1.2 劃分數據集 ..................................37
3.1.3 遞歸構建決策樹...........................39
3.2 在 Python 中使用 Matplotlib 註解繪製
樹形圖 .....................................................42
3.2.1 Matplotlib 註解 ............................43
3.2.2 構造註解樹 ..................................44
3.3 測試和存儲分類器 ..................................48
3.3.1 測試演算法:使用決策樹執行
分類..............................................49
3.3.2 使用演算法:決策樹的存儲 ...........50
3.4 示例:使用決策樹預測隱形眼鏡類型....50
3.5 本章小結..................................................52
第 4 章 基於概率論的分類方法:朴素
貝葉斯 ...............................................53
4.1 基於貝葉斯決策理論的分類方法 ...........53
4.2 條件概率..................................................55
4.3 使用條件概率來分類 ..............................56
4.4 使用朴素貝葉斯進行文檔分類 ...............57
4.5 使用 Python 進行文本分類 .....................58