课程目录： 第一课 Spark MLlib基础入门 1、Spark介绍 2、Spark MLlib介绍 3、课程的基础环境 4、Spark RDD操作 5、RDD操作的代码实操 第二课 Spark MLlib矩阵向量 1、Spark MLlib矩阵向量 2、矩阵向量的代码实操 第三课 Spark MLlib线性回归算法 1、线性回归算法 2、源码分析 3、实例 4、实例的代码实操 第四课 Spark MLlib逻辑回归算法 1、逻辑回归算法 2、源码分析 3、实例 4、实例的代码实操 第五课 Spark MLlib贝叶斯分类算法 1、贝叶斯分类算法 2、源码分析 3、实例 4、实例的代码实操 第六课 Spark MLlib决策树算法 1、决策树算法 2、源码分析 3、实例 4、实例的代码实操 第七课 Spark MLlib KMeans聚类算法 1、KMeans聚类算法 2、源码分析 3、实例 4、实例的代码实操 第八课 Spark MLlib FPGrowth关联规则算法 1、FPGrowth关联规则算法 2、源码分析 3、实例 4、实例的代码实操 第九课 Spark MLlib协同过滤推荐算法 1、协同过滤推荐算法 2、源码分析 3、实例 4、实例的代码实操 第十课 Spark MLlib神经网络算法 1、神经网络算法 2、源码分析 3、实例 4、实例的代码实操

牛客网算法面试

压缩包里有svm算法利用python实现的代码，有需要的可以下载修改参数以及数据集去运行自己的数据集模型。本代码适合学习了解svm算法，在学习过程中运行测试。

MachineLearning 一些常见的机器学习算法的实现代码，本人学习过程中做的总结，资历尚浅，如有错误请不吝指出。

机器学习资源

AI机器学习入门手册，包括传统机器学习，数理基础及深度学习内容，新手入门必备

新闻分类 基于那里类别的新闻分类是一个项目，其中新闻是通过标题作为输入的类别，并且机器将预测它必须属于哪个类别。在该项目中，使用了从基本（Count，Tfi df等）不同的矢量化技术来推进（手套，word2vec等）技术。此外，它还使用了大约所有的机器学习算法和神经网络技术

资源包含一个非常详细的机器学习总结xmind源文件，可用xmind打开编辑和学习。非常详细的公式推导，有效帮助快速建立机器学习知识体系，为深度学习打下见识的基础。 总结内容：绪论、模型评估与选择、线性模型、支持向量机、贝叶斯分类器、集成学习、深度学习

七月机器学习算法中和第七部分工作流程与模型调优 以天池数据集泰坦尼克号为例全面的分析和示例机器学习算法 其中包括泰坦尼克问题的excel数据和算法的notebook代码

K最近的NEIGHBOUR-KNN算法 KNN表示K最近邻算法。 KNN是最简单的监督式机器学习算法，主要用于数据分类。 在继续学习KNN之前，让我们简单地看一下机器学习和KNN所属的类别。 机器学习（ML）是对计算机算法的研究，该算法会根据经验和给定的数据集自动改进。 机器学习算法基于样本数据（称为“训练数据”）构建模型，以便进行预测或决策而无需明确地编程。 如今，机器学习一直在解决不同领域类别的问题，例如：计算金融，图像处理和计算机视觉，计算生物学，能源生产，汽车，航空航天和制造，自然语言处理（NLP）。 如今，这些技术发现了数据中的隐藏模式或内在结构。 它有助于我们产生洞察力，并帮助我们做出更好的决策和预测。 在机器学习模型中，它允许用户根据过去的数据进行预测。 阅读更多@