《机器学习经典算法实践》PDF下载

  • 购买积分:9 如何计算积分?
  • 作  者:肖云鹏,卢星宇,许明,汪浩瀚,吴斌,刘宴兵著
  • 出 版 社:北京:清华大学出版社
  • 出版年份:2018
  • ISBN:9787302493334
  • 页数:186 页
图书介绍:本书是为大学本科、研究生学习参考材料,以讲原理、完全开放源代码、使用公开数据集、实验效果演示为特色。既适合本科生、研究生教学使用,也适合自学。为了配合教师教学及同学们自学,本书提供了配套教学的ppt和所有章节的源代码。

第1章 KNN 1

1.1 KNN算法原理 1

1.1.1 算法引入 1

1.1.2 科学问题 2

1.1.3 算法流程 2

1.1.4 算法描述 3

1.1.5 补充说明 3

1.2 KNN算法实现 4

1.2.1 简介 4

1.2.2 核心代码 6

1.3 实验数据 10

1.4 实验结果 11

1.4.1 结果展示 11

1.4.2 结果分析 11

第2章 朴素贝叶斯 12

2.1 朴素贝叶斯算法原理 12

2.1.1 朴素贝叶斯算法引入 12

2.1.2 科学问题 13

2.1.3 算法流程 14

2.1.4 算法描述 15

2.1.5 算法补充 17

2.2 朴素贝叶斯算法实现 17

2.2.1 简介 17

2.2.2 核心代码 19

2.3 实验数据 25

2.4 实验结果 26

2.4.1 结果展示 26

2.4.2 结果分析 26

第3章 C4.5 28

3.1 C4.5算法原理 28

3.1.1 C4.5算法引入 28

3.1.2 科学问题 30

3.1.3 算法流程 31

3.1.4 算法描述 33

3.1.5 补充说明 34

3.2 C4.5算法实现 35

3.2.1 简介 35

3.2.2 核心代码 39

3.3 实验数据 43

3.4 实验结果 44

3.4.1 结果展示 44

3.4.2 结果分析 45

第4章 SVM 46

4.1 SVM算法原理 46

4.1.1 算法引入 46

4.1.2 科学问题 47

4.1.3 算法流程 48

4.1.4 算法描述 53

4.1.5 补充说明 55

4.2 SVM算法实现 58

4.2.1 简介 58

4.2.2 核心代码 61

4.3 实验数据 71

4.4 实验结果 71

4.4.1 结果展示 71

4.4.2 结果分析 71

第5章 AdaBoost 73

5.1 AdaBoost算法原理 73

5.1.1 算法引入 73

5.1.2 科学问题 74

5.1.3 算法流程 75

5.1.4 算法描述 77

5.1.5 补充说明 78

5.2 AdaBoost算法实现 80

5.2.1 简介 80

5.2.2 核心代码 85

5.3 实验数据 96

5.4 实验结果 97

5.4.1 结果展示 97

5.4.2 结果分析 101

第6章 CART 102

6.1 CART算法原理 102

6.1.1 算法引入 102

6.1.2 科学问题 104

6.1.3 算法流程 105

6.1.4 算法描述 106

6.1.5 补充说明 107

6.2 CART算法实现 108

6.2.1 简介 108

6.2.2 核心代码 110

6.3 实验数据 116

6.4 实验结果 117

6.4.1 结果展示 117

6.4.2 结果分析 118

第7章 K-Means 119

7.1 K-Means算法原理 119

7.1.1 算法引入 119

7.1.2 科学问题 121

7.1.3 算法流程 121

7.1.4 算法描述 122

7.1.5 补充说明 123

7.2 K-Means算法实现 125

7.2.1 简介 125

7.2.2 核心代码 127

7.3 实验数据 132

7.4 实验结果 133

7.4.1 结果展示 133

7.4.2 结果分析 133

第8章 Apriori 135

8.1 Apriori算法原理 135

8.1.1 算法引入 135

8.1.2 科学问题 137

8.1.3 算法流程 137

8.1.4 算法描述 140

8.2 Apriori算法实现 141

8.2.1 简介 141

8.2.2 核心代码 143

8.3 实验数据 146

8.4 实验结果 147

8.4.1 结果展示 147

8.4.2 结果分析 148

第9章 PageRank 149

9.1 PageRank算法原理 149

9.1.1 PageRank算法引入 150

9.1.2 科学问题 152

9.1.3 算法流程 153

9.1.4 算法描述 155

9.2 PageRank算法实现 156

9.2.1 简介 156

9.2.2 核心代码 158

9.3 实验数据 162

9.4 实验结果 163

9.4.1 结果展示 163

9.4.2 结果分析 164

第10章 EM 165

10.1 EM算法原理 165

10.1.1 EM算法引入 166

10.1.2 科学问题 167

10.1.3 理论推导 168

10.1.4 算法流程 171

10.1.5 算法描述 171

10.2 EM-GMM实现 172

10.2.1 简介 172

10.2.2 核心代码 176

10.3 实验数据 182

10.4 实验结果 183

10.4.1 结果展示 183

10.4.2 结果分析 184

参考文献 186