DM-ML 机器学习基础与实践 作者：Charlotte77 出处：http://www.cnblogs.com/charlotte77/ 第一部分 模型的评估与数据处理 机器学习基础与实践（一）----数据清洗 机器学习基础与实践（二）----数据转换 机器学习基础与实践（三）----数据降维 第二部分 特征工程 机器学习基础与实践（四）----特征选择 机器学习基础与实践（五）----特征提取 机器学习基础与实践（六）----模型选择与评估 第三部分 算法基础之有监督算法 机器学习基础与实践（七）----广义线性模型 机器学习基础与实践（八）----最小二乘法 机器学习基础与实践（九）----LDA 机器学习基础与实践（十）----SGD 机器学习基础与实践（十一）----K近邻 机器学习基础与实践（十二）----高斯过程 机器学习基础与实践（十三）----决策树（ID3，C4.5，C5.0，CART） 机器学习基础与实践（十四）----朴素贝叶斯 机器学习基础与实践（十五）----支持向量机 机器学习基础与实践（十六）----集成学习（Bagging，RF，AdaBoost，Gradient Tree Boosting，Voting Classifier） 机器学习基础与实践（十七）----感知机模型 机器学习基础与实践（十八）----多分类算法 第四部分 算法基础之无监督算法 机器学习基础与实践（十九）----K-means 机器学习基础与实践（二十）----Affinity propagation 机器学习基础与实践（二十一）----Mean-shift 机器学习基础与实践（二十二）----Spectral clustering 机器学习基础与实践（二十三）----Ward hierachical 机器学习基础与实践（二十四）----Agglomerative clustering 机器学习基础与实践（二十五）----DBSCAN 机器学习基础与实践（二十六）----Gaussian mixtures 机器学习基础与实践（二十七）----Birch 第五部分 算法基础之推荐算法 机器学习基础与实践（二十八）----相似度计算 机器学习基础与实践（二十九）----Arules关联规则 机器学习基础与实践（三十）----Fp-Growth 机器学习基础与实践（三十一）----User-based or Item-based 第六部分 算法基础之半监督模型 机器学习基础与实践（三十二）----Label Propagation 第七部分 算法基础之其他模型 机器学习基础与实践（三十三）----概率图模型 机器学习基础与实践（三十四）----最大熵模型 机器学习基础与实践（三十五）----规则学习 机器学习基础与实践（三十六）----强化学习 机器学习基础与实践（三十七）----条件随机场 机器学习基础与实践（三十八）----保序回归（Isotonic regression） 机器学习基础与实践（三十九）----Probability calibration