白话机器学习算法——笔记

第一章

1 数据准备

• 数据格式 (一般为表格)
• 变量类型

• 变量选择
• 特征工程

降维

• 缺失数据的处理

---

2 选择算法

---

3 参数调优

4 评价模型

总结

---

第二章 k均值聚类

1 迭代过程

2 局限性

总结

---

第三章 主成分分析

1 概念

主成分分析 用于找出最能区分数据点的变量。这种变量被称为主成分 ，数据点会沿着主 成分的维度最大限度地分散开，如图 3-2 所示

2 示例

3 总结

第四章 关联规则

1 引入

2 先验原则

总结

---

第五章 社会网络分析

1 引入

---

2 Louvain 方法

3 PageRank 方法

总结

---

第六章 回归分析

1 梯度下降法

2 回归系数

总结

---

第七章 k最近邻算法

1 引入

2 异常检测

总结

第八章 支持向量机

1 勾画最佳分界线

总结

---

第九章 决策树

1 引入

---

2 生成决策树

总结

---

第十章 随机森林

1 集成模型

2 自助聚集法

总结

---

第十一章 神经网络

1 实例

2 神经网络的构成

3 激活规则

总结

---

第十二章 A/B测试和多臂老虎机

1 A/B测试

---

2 多臂老虎机

总结

---

附录

附录 A 无监督学习算法概览

附录 B 监督学习算法概览

附录 C 调节参数列

在这里插入图片描述