图书介绍
机器学习经典算法实践pdf电子书版本下载
- 肖云鹏，卢星宇，许明，汪浩瀚，吴斌，刘宴兵著 著
- 出版社： 北京：清华大学出版社
- ISBN：9787302493334
- 出版时间：2018
- 标注页数：186页
- 文件大小：35MB
- 文件页数：199页
- 主题词：机器学习－算法－高等学校－教材
PDF下载
下载说明
机器学习经典算法实践PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
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