文件名称：机器学习算法基础
文件大小：8.94MB
文件格式：RAR
更新时间：2018-05-15 16:16:34
机器学习
介绍了基础的分类，聚类，推荐等基础的机器学习算法，每个算法都有相应的python实现
【文件预览】：
5_dimensionality reduction
----items_pca.png(19KB)
----TruncatedSVD.py(5KB)
----pca.py(2KB)
----pca_demo.txt(70B)
----samples_pca.png(22KB)
----pca_demo.png(77KB)
4_clustering
----kmeans_on_spectral_data.png(22KB)
----1-4-transform.png(17KB)
----kmeans.pyc(3KB)
----kmeans_fig()
--------iter_02.png(256KB)
--------iter_09.png(256KB)
--------iter_10.png(256KB)
--------iter_04.png(255KB)
--------iter_01.png(256KB)
--------iter_03.png(256KB)
--------iter_05.png(256KB)
--------iter_06.png(256KB)
--------iter_11.png(256KB)
--------iter_07.png(256KB)
--------iter_08.png(256KB)
----kmeans_data.txt(96KB)
----kmeans_spectral.py(3KB)
----kmeans_spectral.txt(11KB)
----kmeans.py(3KB)
----kmeans.png(61KB)
----spectral_res.png(22KB)
----spectral_kmeans.png(21KB)
3_classification
----logistic_sample_2categories_with_kernel.png(52KB)
----softmax_data.txt(31KB)
----logistic_classification_with_kernel.png(122KB)
----logistic_classification_without_kernel.png(122KB)
----gaussian_nb.py(5KB)
----softmax.png(94KB)
----softmax.py(7KB)
----perception_classifier.py(2KB)
----synthic_data.py(593B)
----logistic_dist1.png(35KB)
----logistic_sample_2categories.png(73KB)
----data.txt(31KB)
----gaussian_nb.png(137KB)
----bayes_text()
--------20news-bydate()
--------docclass.pyc(7KB)
--------20news_demo.py(2KB)
--------docclass.py(6KB)
--------docclass_my.py(6KB)
--------feedfilter.pyc(2KB)
--------feedfilter.py(2KB)
--------20news.model(385KB)
----logistic_classifier.py(1KB)
----softmax_classification_res.png(134KB)
----two_class_0.2_0.2_0.1.png(35KB)
----synthic_data.pyc(827B)
----logistic_dist2.png(34KB)
----two_class_0.2_0.8_0.1.png(31KB)
7_recommender
----main.py(227B)
----delusers.txt(698KB)
----recommendations.py(6KB)
----deliciousrec.pyc(2KB)
----deliciousrec.py(5KB)
----recommendations.pyc(5KB)
机器学习基础.docx
2_regression
----closed_form_regression.png(31KB)
----2d_predict.png(58KB)
----3_ord_regression.png(32KB)
----gradient_descent_regression.png(42KB)
----regression.py(290B)
----12_ord_regression_rt0.01.png(30KB)
----12_ord_regression_rt0.1.png(31KB)
----lr_for_nonlinear_samples.png(32KB)
----12_ord_regression_more_samples.png(53KB)
----synthic_data.py(454B)
----lamda.txt(78B)
----google.png(23KB)
----10_ord_regression.png(36KB)
----12_ord_regression_rt0.0001.png(32KB)
----2d_fig.png(73KB)
----application.txt(96B)
----linear_regression.py(9KB)
----5_ord_regression.png(36KB)
----12_ord_regression.png(30KB)
----synthic_data.pyc(1KB)
----nonlinear_samples.png(13KB)
----12_ord_regression_rt0.001.png(35KB)