- 1.1 安装Conda
- 1.2 使用Conda
- 1.3 开发环境
- 8.1 决策树的基本**
- 8.2 决策树的生成之ID3与C4.5
- 8.3 决策树生成与可视化
- 8.4 决策树剪枝
- 8.5 从零实现ID3与C4.5决策树算法
- 8.6 连续型特征变量下决策树实现
- 8.7 CART生成与剪枝算法
- 8.8 从零实现CART决策树算法
- 8.9 集成学习
- 8.10 随机森林
- 8.11 泰坦尼克号生还预测
- 8.12 AdaBoost原理与实现
- 8.13 MultiAdaboost原理与实现
- 8.14 GradientBoosted原理与实现
- 9.1 SVM**
- 9.2 SVM原理
- 9.3 SVM示例代码与线性不可分
- 9.4 SVM中的软间隔
- 9.5 拉格朗日乘数法
- 9.6 对偶性与KKT条件
- 9.7 SVM优化问题
- 9.8 SMO算法
- 9.9 从零实现SVM分类算法