行动中的机器学习 本书摘自《机器学习在行动》中的源代码。 ipynb格式和html格式,更正了(以及我自己发现的一些错误),并根据python 3.X更新了。 机器学习在行动.pdf:本书的pdf版本 MLiA_SourceCode.zip:(.py格式) 02用k最近邻居分类[ ] 03一次将数据集拆分为一个特征决策树[ ] 04用概率论分类朴素贝叶斯[ ] 05 Logistic回归[ ] 06支持向量机[ ] 07使用AdaBoost元算法[ ]改进分类 08预测数值回归[ ] 09基于树的回归[ ] 10使用k均值聚类将未标记的项目分组[ ] 11使用Apriori算法的关联分析[ ] 12通过FP增长有效地找到频繁的项目集[ ] 13使用主成分分析来简化数据[ ] 14通过奇异值分解简化数据[ ]