SUMMARY.md · OpenDocCN/apachecn-ml-zh - Gitee.com

加入 Gitee

与超过 1200万开发者一起发现、参与优秀开源项目，私有仓库也完全免费：）

克隆/下载

SUMMARY.md 22.89 KB

+   [台湾大学林轩田机器学习笔记](docs/ntu-hsuantienlin-ml/README.md)
    +   [机器学习基石](docs/ntu-hsuantienlin-ml/1.md)
        +   [1 -- The Learning Problem](docs/ntu-hsuantienlin-ml/2.md)
        +   [2 -- Learning to Answer Yes/No](docs/ntu-hsuantienlin-ml/3.md)
        +   [3 -- Types of Learning](docs/ntu-hsuantienlin-ml/4.md)
        +   [4 -- Feasibility of Learning](docs/ntu-hsuantienlin-ml/5.md)
        +   [5 -- Training versus Testing](docs/ntu-hsuantienlin-ml/6.md)
        +   [6 -- Theory of Generalization](docs/ntu-hsuantienlin-ml/7.md)
        +   [7 -- The VC Dimension](docs/ntu-hsuantienlin-ml/8.md)
        +   [8 -- Noise and Error](docs/ntu-hsuantienlin-ml/9.md)
        +   [9 -- Linear Regression](docs/ntu-hsuantienlin-ml/10.md)
        +   [10 -- Logistic Regression](docs/ntu-hsuantienlin-ml/11.md)
        +   [11 -- Linear Models for Classification](docs/ntu-hsuantienlin-ml/12.md)
        +   [12 -- Nonlinear Transformation](docs/ntu-hsuantienlin-ml/13.md)
        +   [13 -- Hazard of Overfitting](docs/ntu-hsuantienlin-ml/14.md)
        +   [14 -- Regularization](docs/ntu-hsuantienlin-ml/15.md)
        +   [15 -- Validation](docs/ntu-hsuantienlin-ml/16.md)
        +   [16 -- Three Learning Principles](docs/ntu-hsuantienlin-ml/17.md)
    +   [机器学习技法](docs/ntu-hsuantienlin-ml/18.md)
        +   [1 -- Linear Support Vector Machine](docs/ntu-hsuantienlin-ml/19.md)
        +   [2 -- Dual Support Vector Machine](docs/ntu-hsuantienlin-ml/20.md)
        +   [3 -- Kernel Support Vector Machine](docs/ntu-hsuantienlin-ml/21.md)
        +   [4 -- Soft-Margin Support Vector Machine](docs/ntu-hsuantienlin-ml/22.md)
        +   [5 -- Kernel Logistic Regression](docs/ntu-hsuantienlin-ml/23.md)
        +   [6 -- Support Vector Regression](docs/ntu-hsuantienlin-ml/24.md)
        +   [7 -- Blending and Bagging](docs/ntu-hsuantienlin-ml/25.md)
        +   [8 -- Adaptive Boosting](docs/ntu-hsuantienlin-ml/26.md)
        +   [9 -- Decision Tree](docs/ntu-hsuantienlin-ml/27.md)
        +   [10 -- Random Forest](docs/ntu-hsuantienlin-ml/28.md)
        +   [11 -- Gradient Boosted Decision Tree](docs/ntu-hsuantienlin-ml/29.md)
        +   [12 -- Neural Network](docs/ntu-hsuantienlin-ml/30.md)
        +   [13 -- Deep Learning](docs/ntu-hsuantienlin-ml/31.md)
        +   [14 -- Radial Basis Function Network](docs/ntu-hsuantienlin-ml/32.md)
        +   [15 -- Matrix Factorization](docs/ntu-hsuantienlin-ml/33.md)
        +   [16（完结） -- Finale](docs/ntu-hsuantienlin-ml/34.md)
+   [Sklearn 秘籍](docs/sklearn-cookbook/README.md)
    +   [第一章 模型预处理](docs/sklearn-cookbook/1.md)
    +   [第二章 处理线性模型](docs/sklearn-cookbook/2.md)
    +   [第三章 使用距离向量构建模型](docs/sklearn-cookbook/3.md)
    +   [第四章 使用 scikit-learn 对数据分类](docs/sklearn-cookbook/4.md)
    +   [第五章 模型后处理](docs/sklearn-cookbook/5.md)
+   [Sklearn 学习手册](docs/learning-sklearn/README.md)
    +   [一、机器学习 - 温和的介绍](docs/learning-sklearn/ch01.md)
    +   [二、监督学习](docs/learning-sklearn/ch02.md)
    +   [三、无监督学习](docs/learning-sklearn/ch03.md)
    +   [四、高级功能](docs/learning-sklearn/ch04.md)
+   [SciPyCon 2018 sklearn 教程](docs/scipycon-2018-sklearn-tut/README.md)
    +   [一、Python 机器学习简介](docs/scipycon-2018-sklearn-tut/1.md)
    +   [二、Python 中的科学计算工具](docs/scipycon-2018-sklearn-tut/2.md)
    +   [三、数据表示和可视化](docs/scipycon-2018-sklearn-tut/3.md)
    +   [四、训练和测试数据](docs/scipycon-2018-sklearn-tut/4.md)
    +   [五、监督学习第一部分：分类](docs/scipycon-2018-sklearn-tut/5.md)
    +   [六、监督学习第二部分：回归分析](docs/scipycon-2018-sklearn-tut/6.md)
    +   [七、无监督学习第一部分：变换](docs/scipycon-2018-sklearn-tut/7.md)
    +   [八、无监督学习第二部分：聚类](docs/scipycon-2018-sklearn-tut/8.md)
    +   [九、sklearn 估计器接口回顾](docs/scipycon-2018-sklearn-tut/9.md)
    +   [十、案例学习：泰坦尼克幸存者](docs/scipycon-2018-sklearn-tut/10.md)
    +   [十一、文本特征提取](docs/scipycon-2018-sklearn-tut/11.md)
    +   [十二、案例学习：用于 SMS 垃圾检测的文本分类](docs/scipycon-2018-sklearn-tut/12.md)
    +   [十三、交叉验证和得分方法](docs/scipycon-2018-sklearn-tut/13.md)
    +   [十四、参数选择、验证和测试](docs/scipycon-2018-sklearn-tut/14.md)
    +   [十五、估计器流水线](docs/scipycon-2018-sklearn-tut/15.md)
    +   [十六、模型评估、得分指标和处理不平衡类别](docs/scipycon-2018-sklearn-tut/16.md)
    +   [十七、深入：线性模型](docs/scipycon-2018-sklearn-tut/17.md)
    +   [十八、深入：决策树与森林](docs/scipycon-2018-sklearn-tut/18.md)
    +   [十九、自动特征选择](docs/scipycon-2018-sklearn-tut/19.md)
    +   [二十、无监督学习：层次和基于密度的聚类算法](docs/scipycon-2018-sklearn-tut/20.md)
    +   [二十一、无监督学习：非线性降维](docs/scipycon-2018-sklearn-tut/21.md)
    +   [二十二、无监督学习：异常检测](docs/scipycon-2018-sklearn-tut/22.md)
    +   [二十三、核外学习 - 用于语义分析的大规模文本分类](docs/scipycon-2018-sklearn-tut/23.md)
+   [Python 机器学习在线指南](docs/vt-cs4624-pyml/README.md)
    +   [作者](docs/vt-cs4624-pyml/3.md)
    +   [引言](docs/vt-cs4624-pyml/5.md)
    +   [核心概念](docs/vt-cs4624-pyml/6.md)
        +   [交叉验证](docs/vt-cs4624-pyml/7.md)
        +   [线性回归](docs/vt-cs4624-pyml/8.md)
        +   [过拟合和欠拟合](docs/vt-cs4624-pyml/9.md)
        +   [正则化](docs/vt-cs4624-pyml/10.md)
    +   [监督学习](docs/vt-cs4624-pyml/11.md)
        +   [逻辑回归](docs/vt-cs4624-pyml/12.md)
        +   [朴素贝叶斯分类](docs/vt-cs4624-pyml/13.md)
        +   [决策树](docs/vt-cs4624-pyml/14.md)
        +   [k 最近邻](docs/vt-cs4624-pyml/15.md)
        +   [线性支持向量机](docs/vt-cs4624-pyml/16.md)
    +   [无监督学习](docs/vt-cs4624-pyml/17.md)
        +   [聚类](docs/vt-cs4624-pyml/18.md)
        +   [主成分分析](docs/vt-cs4624-pyml/19.md)
    +   [深度学习](docs/vt-cs4624-pyml/20.md)
        +   [多层感知机](docs/vt-cs4624-pyml/21.md)
        +   [卷积神经网络](docs/vt-cs4624-pyml/22.md)
        +   [自编码器](docs/vt-cs4624-pyml/23.md)
    +   [原文的协议](docs/vt-cs4624-pyml/25.md)
+   [写给人类的机器学习](docs/ml-for-humans/README.md)
    +   [一、为什么机器学习重要](docs/ml-for-humans/1.md)
    +   [2.1 监督学习](docs/ml-for-humans/2.1.md)
    +   [2.2 监督学习 II](docs/ml-for-humans/2.2.md)
    +   [2.3 监督学习 III](docs/ml-for-humans/2.3.md)
    +   [三、无监督学习](docs/ml-for-humans/3.md)
    +   [四、神经网络和深度学习](docs/ml-for-humans/4.md)
    +   [五、强化学习](docs/ml-for-humans/5.md)
    +   [六、最好的机器学习资源](docs/ml-for-humans/6.md)
+   [机器学习超级复习笔记](docs/super-machine-learning-revision-notes/README.md)
+   [机器学习算法交易](docs/ml-algo-trade/README.md)
    +   [零、前言](docs/ml-algo-trade/00.md)
    +   [一、用于交易的机器学习——从理念到实践](docs/ml-algo-trade/01.md)
    +   [二、市场和基础数据——来源和技术](docs/ml-algo-trade/02.md)
    +   [三、金融备选数据——类别和用例](docs/ml-algo-trade/03.md)
    +   [四、金融特征工程——如何研究阿尔法因子](docs/ml-algo-trade/04.md)
    +   [五、投资组合优化与表现评估](docs/ml-algo-trade/05.md)
    +   [六、机器学习过程](docs/ml-algo-trade/06.md)
    +   [七、线性模型——从风险因子到回报预测](docs/ml-algo-trade/07.md)
    +   [八、ML4T 工作流程——从模型到策略回溯测试](docs/ml-algo-trade/08.md)
    +   [九、波动率预测和统计套利的时间序列模型](docs/ml-algo-trade/09.md)
    +   [十、贝叶斯 ML——动态夏普比率和配对交易](docs/ml-algo-trade/10.md)
    +   [十一、随机森林——日本股票的长短策略](docs/ml-algo-trade/11.md)
    +   [十二、提升你的交易策略](docs/ml-algo-trade/12.md)
    +   [十三、基于无监督学习的数据驱动风险因子与资产配置](docs/ml-algo-trade/13.md)
    +   [十四、用于交易的文本数据——情感分析](docs/ml-algo-trade/14.md)
    +   [十五、主题建模——总结财经新闻](docs/ml-algo-trade/15.md)
    +   [十六、盈利报告和 SEC 文件的文字嵌入](docs/ml-algo-trade/16.md)
    +   [十七、用于交易的深度学习](docs/ml-algo-trade/17.md)
    +   [十八、金融时间序列和卫星图像的 CNN](docs/ml-algo-trade/18.md)
    +   [十九、用于多元时间序列和情感分析的 RNN](docs/ml-algo-trade/19.md)
    +   [二十、用于条件风险因子和资产定价的自编码器](docs/ml-algo-trade/20.md)
    +   [二十一、合成时间序列数据的生成对抗网络](docs/ml-algo-trade/21.md)
    +   [二十二、深度强化学习——建立交易智能体](docs/ml-algo-trade/22.md)
    +   [二十三、结论和下一步](docs/ml-algo-trade/23.md)
    +   [二十四、α 因子库](docs/ml-algo-trade/24.md)
    +   [二十五、参考文献](docs/ml-algo-trade/25.md)
+   [Python 数据科学和机器学习实践指南](docs/handson-ds-py-ml/README.md)
    +   [零、前言](docs/handson-ds-py-ml/00.md)
    +   [一、入门](docs/handson-ds-py-ml/01.md)
    +   [二、统计和概率回顾和 Python 实践](docs/handson-ds-py-ml/02.md)
    +   [三、Matplotlib 和高级概率概念](docs/handson-ds-py-ml/03.md)
    +   [四、预测模型](docs/handson-ds-py-ml/04.md)
    +   [五、Python 机器学习](docs/handson-ds-py-ml/05.md)
    +   [六、推荐系统](docs/handson-ds-py-ml/06.md)
    +   [七、更多数据挖掘和机器学习技术](docs/handson-ds-py-ml/07.md)
    +   [八、处理真实数据](docs/handson-ds-py-ml/08.md)
    +   [九、Apache Spark-大数据机器学习](docs/handson-ds-py-ml/09.md)
    +   [十、测试与实验设计](docs/handson-ds-py-ml/10.md)
+   [面向机器学习的特征工程](docs/fe4ml-zh/README.md)
    +   [一、引言](docs/fe4ml-zh/1.md)
    +   [二、简单数字的奇特技巧](docs/fe4ml-zh/2.md)
    +   [三、文本数据: 展开、过滤和分块](docs/fe4ml-zh/3.md)
    +   [四、特征缩放的效果：从词袋到 TF-IDF](docs/fe4ml-zh/4.md)
    +   [五、类别特征：机器鸡时代的鸡蛋计数](docs/fe4ml-zh/5.md)
    +   [六、降维：用 PCA 压缩数据集](docs/fe4ml-zh/6.md)
    +   [七、非线性特征提取和模型堆叠](docs/fe4ml-zh/7.md)
    +   [八、自动化特征提取器：图像特征提取和深度学习](docs/fe4ml-zh/8.md)
    +   [附录、线性模型和线性代数基](docs/fe4ml-zh/a.md)
+   [可解释的机器学习](docs/interpretable-ml-book/README.md)
    +   [前言](docs/interpretable-ml-book/0.md)
    +   [第一章 引言](docs/interpretable-ml-book/1.md)
    +   [第二章 解释性](docs/interpretable-ml-book/2.md)
    +   [第三章 数据集](docs/interpretable-ml-book/3.md)
    +   [第四章 解释模型](docs/interpretable-ml-book/4.md)
    +   [第五章 模型不可知论方法](docs/interpretable-ml-book/5.md)
    +   [第六章 基于实例的解释](docs/interpretable-ml-book/6.md)
    +   [第七章 神经网络解释](docs/interpretable-ml-book/7.md)
    +   [第八章 水晶球](docs/interpretable-ml-book/8.md)
    +   [第九章 贡献](docs/interpretable-ml-book/9.md)
    +   [第十章 引用本书](docs/interpretable-ml-book/10.md)
    +   [第十一章 致谢](docs/interpretable-ml-book/11.md)
+   [百页机器学习小书](docs/ml-book-100-zh/README.md)
    +   [零、前言](docs/ml-book-100-zh/0.md)
    +   [一、引言](docs/ml-book-100-zh/1.md)
    +   [二、符号和定义](docs/ml-book-100-zh/2.md)
    +   [四、线性算法剖析](docs/ml-book-100-zh/4.md)
    +   [五、基础实践](docs/ml-book-100-zh/5.md)
    +   [六、神经网络和深度学习](docs/ml-book-100-zh/6.md)
    +   [七、问题和答案](docs/ml-book-100-zh/7.md)
    +   [八、高级实践](docs/ml-book-100-zh/8.md)
    +   [九、无监督学习](docs/ml-book-100-zh/9.md)
    +   [十、其它学习形式](docs/ml-book-100-zh/10.md)
    +   [十一、总结](docs/ml-book-100-zh/11.md)
+   [Python 高级机器学习](docs/adv-ml-py/README.md)
    +   [零、前言](docs/adv-ml-py/00.md)
    +   [一、无监督机器学习](docs/adv-ml-py/01.md)
    +   [二、深度信念网络](docs/adv-ml-py/02.md)
    +   [三、栈式去噪自编码器](docs/adv-ml-py/03.md)
    +   [四、卷积神经网络](docs/adv-ml-py/04.md)
    +   [五、半监督学习](docs/adv-ml-py/05.md)
    +   [六、文本特征工程](docs/adv-ml-py/06.md)
    +   [七、特征工程第二部分](docs/adv-ml-py/07.md)
    +   [八、集成方法](docs/adv-ml-py/08.md)
    +   [九、其他 Python 机器学习工具](docs/adv-ml-py/09.md)
    +   [十、附录 a：章节代码要求](docs/adv-ml-py/10.md)
+   [构建 Python 机器学习系统](docs/build-ml-sys-py/README.md)
    +   [零、前言](docs/build-ml-sys-py/00.md)
    +   [一、Python 机器学习入门](docs/build-ml-sys-py/01.md)
    +   [二、使用真实例子分类](docs/build-ml-sys-py/02.md)
    +   [三、回归](docs/build-ml-sys-py/03.md)
    +   [四、分类一——检测不良答案](docs/build-ml-sys-py/04.md)
    +   [五、降维](docs/build-ml-sys-py/05.md)
    +   [六、聚类——查找相关帖子](docs/build-ml-sys-py/06.md)
    +   [七、推荐](docs/build-ml-sys-py/07.md)
    +   [八、人工神经网络与深度学习](docs/build-ml-sys-py/08.md)
    +   [九、分类二——情感分析](docs/build-ml-sys-py/09.md)
    +   [十、主题建模](docs/build-ml-sys-py/10.md)
    +   [十一、分类三——音乐类型分类](docs/build-ml-sys-py/11.md)
    +   [十二、计算机视觉](docs/build-ml-sys-py/12.md)
    +   [十三、强化学习](docs/build-ml-sys-py/13.md)
    +   [十四、更大的数据](docs/build-ml-sys-py/14.md)
    +   [十五、从哪里了解更多关于机器学习的信息](docs/build-ml-sys-py/15.md)
+   [AutoML 实用手册](docs/handson-auto-ml/README.md)
    +   [零、前言](docs/handson-auto-ml/0.md)
    +   [一、AutoML 介绍](docs/handson-auto-ml/1.md)
    +   [二、Python 机器学习简介](docs/handson-auto-ml/2.md)
    +   [三、数据预处理](docs/handson-auto-ml/3.md)
    +   [四、自动算法选择](docs/handson-auto-ml/4.md)
    +   [五、超参数优化](docs/handson-auto-ml/5.md)
    +   [六、创建自动流水线](docs/handson-auto-ml/6.md)
    +   [七、深度学习](docs/handson-auto-ml/7.md)
    +   [八、ML 和数据科学项目的关键方面](docs/handson-auto-ml/8.md)
+   [Python 无监督学习实用手册](docs/handson-unsup-learn-py/README.md)
    +   [零、前言](docs/handson-unsup-learn-py/00.md)
    +   [一、无监督学习入门](docs/handson-unsup-learn-py/01.md)
    +   [二、聚类基础](docs/handson-unsup-learn-py/02.md)
    +   [三、高级聚类](docs/handson-unsup-learn-py/03.md)
    +   [四、层次聚类实战](docs/handson-unsup-learn-py/04.md)
    +   [五、软聚类和高斯混合模型](docs/handson-unsup-learn-py/05.md)
    +   [六、异常检测](docs/handson-unsup-learn-py/06.md)
    +   [七、降维和成分分析](docs/handson-unsup-learn-py/07.md)
    +   [八、无监督神经网络模型](docs/handson-unsup-learn-py/08.md)
    +   [九、生成性对抗网络与自监督系统](docs/handson-unsup-learn-py/09.md)
+   [Python 智能项目](docs/intel-proj-py/README.md)
    +   [零、前言](docs/intel-proj-py/00.md)
    +   [一、基于人工智能的系统基础](docs/intel-proj-py/01.md)
    +   [二、迁移学习](docs/intel-proj-py/02.md)
    +   [五、神经机器翻译](docs/intel-proj-py/03.md)
    +   [六、基于 GANs 的时尚产业风格迁移](docs/intel-proj-py/04.md)
    +   [五、视频字幕应用](docs/intel-proj-py/05.md)
    +   [六、智能推荐系统](docs/intel-proj-py/06.md)
    +   [七、电影评论情感分析手机应用](docs/intel-proj-py/07.md)
    +   [八、面向客户服务的对话式人工智能聊天程序](docs/intel-proj-py/08.md)
    +   [九、基于强化学习的自动驾驶汽车](docs/intel-proj-py/09.md)
    +   [十、深度学习视角下的验证码](docs/intel-proj-py/10.md)
+   [精通 Python 社交媒体挖掘](docs/master-social-media-mine-py/README.md)
    +   [零、前言](docs/master-social-media-mine-py/0.md)
    +   [一、社交媒体、社交数据和 Python](docs/master-social-media-mine-py/1.md)
    +   [二、挖掘推特——标签、主题和时间序列](docs/master-social-media-mine-py/2.md)
    +   [三、推特上的用户、关注者和社区](docs/master-social-media-mine-py/3.md)
    +   [四、脸书上的帖子、页面和用户交互](docs/master-social-media-mine-py/4.md)
    +   [五、谷歌 Plus 话题分析](docs/master-social-media-mine-py/5.md)
    +   [六、StackExchange 问答](docs/master-social-media-mine-py/6.md)
    +   [七、博客、RSS、维基百科和自然语言处理](docs/master-social-media-mine-py/7.md)
    +   [八、挖掘所有数据！](docs/master-social-media-mine-py/8.md)
    +   [九、链接数据和语义网](docs/master-social-media-mine-py/9.md)
+   [统计机器学习教程](docs/stat-ml/README.md)
    +   [零、前言](docs/stat-ml/0.md)
    +   [一、从统计到机器学习的旅程](docs/stat-ml/1.md)
    +   [二、统计与机器学习的并行性](docs/stat-ml/2.md)
    +   [三、逻辑回归与随机森林](docs/stat-ml/3.md)
    +   [四、基于树的机器学习模型](docs/stat-ml/4.md)
    +   [五、k 近邻和朴素贝叶斯](docs/stat-ml/5.md)
    +   [六、支持向量机和神经网络](docs/stat-ml/6.md)
    +   [七、推荐引擎](docs/stat-ml/7.md)
    +   [八、无监督学习](docs/stat-ml/8.md)
    +   [九、强化学习](docs/stat-ml/9.md)
+   [使用 Python 构建概率图模型](docs/build-pgm-py/README.md)
    +   [零、前言](docs/build-pgm-py/0.md)
    +   [一、概率](docs/build-pgm-py/1.md)
    +   [二、有向图模型](docs/build-pgm-py/2.md)
    +   [三、无向图模型](docs/build-pgm-py/3.md)
    +   [四、结构学习](docs/build-pgm-py/4.md)
    +   [五、参数学习](docs/build-pgm-py/5.md)
    +   [六、使用图模型的精确推理](docs/build-pgm-py/6.md)
    +   [七、近似推理方法](docs/build-pgm-py/7.md)
    +   [八、附录 a：参考文献](docs/build-pgm-py/8.md)
+   [Python 机器学习系统设计指南](docs/design-ml-sys-py/README.md)
    +   [零、前言](docs/design-ml-sys-py/0.md)
    +   [一、机器学习中的思维](docs/design-ml-sys-py/1.md)
    +   [二、工具和技术](docs/design-ml-sys-py/2.md)
    +   [三、将数据转化为信息](docs/design-ml-sys-py/3.md)
    +   [四、模型——从信息中学习](docs/design-ml-sys-py/4.md)
    +   [五、线性模型](docs/design-ml-sys-py/5.md)
    +   [六、神经网络](docs/design-ml-sys-py/6.md)
    +   [七、特征——算法如何看待世界](docs/design-ml-sys-py/7.md)
    +   [八、集成学习](docs/design-ml-sys-py/8.md)
    +   [九、设计策略和案例研究](docs/design-ml-sys-py/9.md)
+   [Python 大规模机器学习](docs/large-scale-ml-py/README.md)
    +   [零、前言](docs/large-scale-ml-py/00.md)
    +   [一、可扩展性的第一步](docs/large-scale-ml-py/01.md)
    +   [二、Scikit-learn 中的可扩展学习](docs/large-scale-ml-py/02.md)
    +   [三、快速 SVM 实现](docs/large-scale-ml-py/03.md)
    +   [四、神经网络与深度学习](docs/large-scale-ml-py/04.md)
    +   [五、TensorFlow 深度学习](docs/large-scale-ml-py/05.md)
    +   [六、大规模回归树](docs/large-scale-ml-py/06.md)
    +   [七、大规模无监督学习](docs/large-scale-ml-py/07.md)
    +   [八、分布式环境——Hadoop 和 Spark](docs/large-scale-ml-py/08.md)
    +   [九、Spark 实用机器学习](docs/large-scale-ml-py/09.md)
    +   [十、附录 a：图形处理器和硬件介绍](docs/large-scale-ml-py/10.md)
+   [Python 机器学习蓝图](docs/py-ml-blueprint/README.md)
    +   [零、前言](docs/py-ml-blueprint/00.md)
    +   [一、Python 机器学习生态系统](docs/py-ml-blueprint/01.md)
    +   [二、创建一个应用来寻找低价公寓](docs/py-ml-blueprint/02.md)
    +   [三、创建一个应用来寻找便宜的机票](docs/py-ml-blueprint/03.md)
    +   [四、使用逻辑回归预测首次公开募股](docs/py-ml-blueprint/04.md)
    +   [五、创建自定义新闻源](docs/py-ml-blueprint/05.md)
    +   [六、预测你的内容是否会迅速传播](docs/py-ml-blueprint/06.md)
    +   [七、使用机器学习预测股票市场](docs/py-ml-blueprint/07.md)
    +   [八、使用卷积神经网络分类图像](docs/py-ml-blueprint/08.md)
    +   [九、构建聊天机器人](docs/py-ml-blueprint/09.md)
    +   [十、构建推荐引擎](docs/py-ml-blueprint/10.md)
    +   [十一、下一步是什么？](docs/py-ml-blueprint/11.md)
+   [Python 机器学习秘籍](docs/py-ml-cb/README.md)
    +   [零、前言](docs/py-ml-cb/00.md)
    +   [一、监督学习的领域](docs/py-ml-cb/01.md)
    +   [二、构建分类器](docs/py-ml-cb/02.md)
    +   [三、预测性建模](docs/py-ml-cb/03.md)
    +   [四、无监督学习聚类](docs/py-ml-cb/04.md)
    +   [五、构建推荐引擎](docs/py-ml-cb/05.md)
    +   [六、分析文本数据](docs/py-ml-cb/06.md)
    +   [七、语音识别](docs/py-ml-cb/07.md)
    +   [八、剖析时间序列和序列数据](docs/py-ml-cb/08.md)
    +   [九、图像内容分析](docs/py-ml-cb/09.md)
    +   [十、生物识别人脸识别](docs/py-ml-cb/10.md)
    +   [十一、深度神经网络](docs/py-ml-cb/11.md)
    +   [十二、可视化数据](docs/py-ml-cb/12.md)
+   [Python 机器学习示例](docs/py-ml-exam/README.md)
    +   [零、前言](docs/py-ml-exam/00.md)
    +   [一、机器学习和 Python 入门](docs/py-ml-exam/01.md)
    +   [二、使用朴素贝叶斯构建电影推荐引擎](docs/py-ml-exam/02.md)
    +   [三、使用支持向量机识别人脸](docs/py-ml-exam/03.md)
    +   [四、使用基于树的算法预测在线广告点击率](docs/py-ml-exam/04.md)
    +   [五、使用逻辑回归预测在线广告点击率](docs/py-ml-exam/05.md)
    +   [六、将预测扩展到万亿字节的点击日志](docs/py-ml-exam/06.md)
    +   [七、使用回归算法预测股票价格](docs/py-ml-exam/07.md)
    +   [八、使用人工神经网络预测股票价格](docs/py-ml-exam/08.md)
    +   [九、使用文本分析技术挖掘 20 个新闻组数据集](docs/py-ml-exam/09.md)
    +   [十、利用聚类和主题建模发现新闻组数据集中的底层主题](docs/py-ml-exam/10.md)
    +   [十一、机器学习最佳实践](docs/py-ml-exam/11.md)
    +   [十二、使用卷积神经网络分类服装图像](docs/py-ml-exam/12.md)
    +   [十三、将循环神经网络用于序列预测](docs/py-ml-exam/13.md)
    +   [十四、基于强化学习的复杂环境决策](docs/py-ml-exam/14.md)

一键复制编辑原始数据按行查看历史

提交于 2022-01-02 01:52 . 2022-01-02 01:52:23

1

https://gitee.com/OpenDocCN/apachecn-ml-zh.git

git@gitee.com:OpenDocCN/apachecn-ml-zh.git

OpenDocCN

apachecn-ml-zh

apachecn-ml-zh

master