机器学习实践.pdf+代码
本书的前七章主要研究分类算法，第2章讲述最简单的分类算法: k-近邻算法，它使用距离矩阵进行分类;第3章引入了决策树，它比较直观，容易理解，但是相对难于实现;第4章
将讨论如何使用概率论建立分类器;第5章将讨论Logistic回归，如何使用最优参数正确地分
类原始数据，在搜索最优参数的过程中，将使用几个经常用到的优化算法;第6章介绍了非常
流行的支持向量机;第- - 部分最后的第7章将介绍元算法一AdaBoost, 它由若千个分类器构
成，此外还总结了第一部分探讨的分类算法在实际使用中可能面对的非均衡分类问题，--旦训
练样本某个分类的数据多于其他分类的数据，就会产生非均衡分类问题。
页:
[1]