机器学习实战非扫描版 > 机器学习(美)哈林顿(Peter Harrington)

机器学习人工智能源码非扫描

《机器学习实战》主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。机器学习(美)哈林顿(Peter Harrington)PDF配源码

文件下载

资源详情

[{"title":"（ 2 个子文件 52.55MB ）机器学习实战非扫描版 > 机器学习(美)哈林顿(Peter Harrington)","children":[{"title":"机器学习(美)哈林顿(Peter Harrington)","children":[{"title":"源码--《机器学习实战》.( (美)哈林顿(Peter Harrington) ).[PDF]@ckook.zip <span style='color:#111;'> 34.23MB </span>","children":null,"spread":false},{"title":"《机器学习实战》.( (美)哈林顿(Peter Harrington) ).[PDF]@ckook.zip <span style='color:#111;'> 18.32MB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

其他资源

免责申明

【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论【只为小站】经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见版权及免责申明

机器学习实战 非扫描版 > 机器学习(美)哈林顿(Peter Harrington)

文件下载

资源详情

评论信息

其他资源

免责申明

个人信息

相关资源标签

热门下载

最新下载

机器学习实战非扫描版 > 机器学习(美)哈林顿(Peter Harrington)