献词

致约瑟夫与米洛。

目录

  • 版权声明
  • 献词
  • 译者序
  • 前言
  • 致谢
  • 关于本书
  • 关于作者
  • 关于封面
  • 第一部分 分类
  • 第1章 机器学习基础
  • 第2章 k-近邻算法
  • 第3章 决策树
  • 第4章 基于概率论的分类方法:朴素贝叶斯
  • 第5章 Logistic回归
  • 第6章 支持向量机
  • 第7章 利用AdaBoost元算法提高分类性能
  • 第二部分 利用回归预测数值型数据
  • 第8章 预测数值型数据:回归
  • 第9章 树回归
  • 第三部分 无监督学习
  • 第10章 利用K-均值聚类算法对未标注数据分组
  • 第11章 使用Apriori算法进行关联分析
  • 第12章 使用FP-growth算法来高效发现频繁项集
  • 第四部分 其他工具
  • 第13章 利用PCA来简化数据
  • 第14章 利用SVD简化数据
  • 第15章 大数据与MapReduce
  • 附录A Python入门
  • 附录B 线性代数
  • 附录C 概率论复习
  • 附录D 资源