/MachineLearning

meachine learning note

Primary LanguageHTML

Meachine Learning(机器学习)

博客 微信公众号

 Some meachine learning records

一，机器学习分类

按任务是否需要和环境交互获得经验：监督学习与强化学习

1, 监督学习 （Supervised Learning）

按数据是否存在标签：分为传统监督学习，无监督学习，半监督学习

  • 传统监督学习（Traditional Supervised Learning）
    • 分类算法
      • k-NN(k-邻近算法 k-Nearest Neighbor, k-NN)
      • 决策（Decision Tree）
      • 朴素贝叶斯（Naive Bayes）
      • 逻辑回归（Logistic Regression）
      • 随机森林
      • 支持向量机（Support Vector Machine）
      • EM算法（Expection MaxiMaximization algorithm）
      • 主成分分析（Principle ComponentAnalysis）
    • 回归算法
      • 线性回归
      • 回归树
  • 无监督学习 （Unsupervised Learning）
    • 聚类分析（Clustering）
  • 半监督学习（Semi-supervised Learning）
  • 深度学习 (Deep Learning) 2, 强化学习（Reinforcement Learning，增强学习）

二，经典机器学习算法(Classical Meachine Learning)

Notes

Chapters Descriptions Notes Examples
第一章 绪论：机器学习定义、分类 绪论 --
第二章 k-邻近（k-NN，k-Nearest Neighbor） k-NN k-邻近示例
第三章 支持向量机（SVM,Support Vector Meachine) 支持向量机 支持向量机
第四章 决策树（Decision Tree） Decision Tree 决策树示例
第五章 朴素贝叶斯（Naive Bayes） Naive Bayes Naive Bayes
第六章 逻辑回归（Logistic Regression） Logistic Regression Logistic Regression
第七章 AdaBoost AdaBoost AdaBoost

Exercises

1，k-邻近（k-NN，k-Nearest Neighbor）

2，支持向量机（SVM,Support Vector Meachine)

3，决策树（Decision Tree）

4，朴素贝叶斯（Naive Bayes）

5，逻辑回归（Logistic Regression）

6，Adaboost