分类
第一章 机器学习基础
第二章 k-近邻算法
第三章 决策树
第四章 基于概率论的分类方法：朴素贝叶斯
第五章 Logistics回归
第六章 支持向量机
第七章 利用AdaBoost元算法提高分类性能
回归
第八章 预测数值型数据：回归
第九章 树回归
无监督学习
第十章 利用K-均值聚类算法对未标注数据分组
第十一章 使用Apriori算法进行关联分析
第十二章 使用FP-growth算法来高效发现频繁项集
其他
第十三章 利用PCA来简化数据
第十四章 利用SVD简化数据
第十五章 大数据与MapReduce
第一章 机器学习基础
第二章 k-近邻算法
第三章 决策树
第四章 基于概率论的分类方法：朴素贝叶斯
第五章 Logistics回归
第六章 支持向量机
第七章 利用AdaBoost元算法提高分类性能
第八章 预测数值型数据：回归
第九章 树回归
第十章 利用K-均值聚类算法对未标注数据分组
第十一章 使用Apriori算法进行关联分析
第十二章 使用FP-growth算法来高效发现频繁项集
第十三章 利用PCA来简化数据
第十四章 利用SVD简化数据
第十五章 大数据与MapReduce
待续~