【23秋】机器学习与数据挖掘

王允乾

目录

  • 1 第一部分-基础
    • 1.1 第一部分-第1章-绪论
    • 1.2 第一部分-第2章-机器学习基础
  • 2 第二部分-数据
    • 2.1 第二部分-第3章-数据与探索性分析
    • 2.2 第二部分-第4章-数据预处理
  • 3 第三部分-模型
    • 3.1 第三部分-总论
    • 3.2 第三部分-第5章-5.1分类与回归概述
    • 3.3 第三部分-第5章-5.2线性模型
    • 3.4 第三部分-第5章-5.3最近邻算法
    • 3.5 第三部分-第5章-5.4支持向量机
    • 3.6 第三部分-第5章-5.5朴素贝叶斯
    • 3.7 第三部分-第5章-5.6决策树
    • 3.8 第三部分-第5章-5.7集成学习
    • 3.9 第三部分-第5章-5.8神经网络
    • 3.10 第三部分-第5章-5.9 分类回归模型度量标准
    • 3.11 第三部分-第6章-6.1聚类
    • 3.12 第三部分-第6章-6.2关联规则学习
    • 3.13 第三部分-第6章-6.3异常检测
  • 4 第四部分-实践
    • 4.1 第四部分-实践1-数据探索性分析
    • 4.2 第四部分-实践2-数据预处理
    • 4.3 第四部分-实践3-分类预测
    • 4.4 第四部分-实践4-回归预测
    • 4.5 第四部分-实践5-聚类识别
    • 4.6 第四部分-实践6-关联分析
第一部分-第1章-绪论