机器学习

第1章 引论 1.1 机器学习的定义 1.2 机器学习算法的分类 1.3 机器学习的发展历史 1.3.1 神经网络与深度学习 1.3.2 决策树算法系列 1.3.3 无监督学习 1.4 评价指标 1.4.1 分类算法的评价指标 1.4.2 聚类算法的评价指标 1.5 机器学习技术的应用 1.5.1 分类技术的应用 1.5.2 回归技术的应用 1.5.3 聚类算法的应用 参考文献 第2章 感知机 2.1 感知机的发展历史 2.2 感知机模型 2.3 感知机学习 2.3.1 妻知机学习算法 2.3.2 感知机算法收敛性 2.4 二分类感知机到多分类感知机的推广 2.5 本章概要 2.6 扩展阅读 2.7 习题 2.8 实践：利用scikit—learn实现一个感知机 参考文献 第3章 L0gistic回归 3.1 Logistic回归的发展历史 3.2 Logistic回归模型 3.3 模型参数估计 3.4 多项Logistic回归 3.5 本章概要 3.6 扩展阅读 3.7 习题 3.8 实践：利用scikit-learn建立一个Logistic回归模型 参考文献 第4章 支持向量机 4.1 支持向量机的发展历史 4.2 硬间隔支持向量机 4.2.1 间隔 化 4.2.2 参数学习 4.3 软间隔线性支持向量机 4.3.1 软间隔 化 4.3.2 参数学习 4.4 非线性支持向量机 4.4.1 核函数 4.4.2 常用核函数 4.4.3 非线性支持向量机 4.5 多核学习