python机器学习及实践——基础篇整理

一、监督学习——分类模型

1、支持向量机入门简介

2、手写体数据识别——支持向量机案例

3、Python 机器学习及实践——朴素贝叶斯理论

4、python 机器学习——K 近邻分类理论及鸢尾（ Iris ）数据集实例操作

5、python机器学习——决策树（分类）及“泰坦尼克号沉船事故”数据集案例操作

6、python机器学习——集成学习（分类）及“泰坦尼克号沉船事故”数据集案例操作

二、监督学习——回归模型

1、python 机器学习——线性回归与波士顿房价案例

2、python机器学习——支持向量机回归与波士顿房价案例

3、python 机器学习——k近邻回归与波士顿房价案例

4、python机器学习——回归树理论与波士顿房价案例

5、python机器学习——集成学习之bagging

6、python机器学习——boosting集成学习

7、python机器学习——随机森林

8、python机器学习——实现bagging及随机森林（回归）

三、无监督学习

1、python机器学习——聚类分析简介

2、python机器学习——Kmeans聚类

3、python 机器学习——聚类性能评估

4、python 机器学习——Kmeans之K值的选取原理

5、python机器学习——Kmeans之K值选取实现（肘部观察法）

6、python机器学习——主成分分析理论简介

7、python机器学习——主成分分析PCA实现