https://github.com/relph1119/machinelearning-watermelonbook
周志华-机器学习
https://github.com/relph1119/machinelearning-watermelonbook
machine-learning watermelon
Last synced: 11 months ago
JSON representation
周志华-机器学习
- Host: GitHub
- URL: https://github.com/relph1119/machinelearning-watermelonbook
- Owner: Relph1119
- Created: 2019-03-27T03:02:59.000Z (about 7 years ago)
- Default Branch: master
- Last Pushed: 2020-04-16T02:50:44.000Z (about 6 years ago)
- Last Synced: 2025-04-10T05:08:16.571Z (about 1 year ago)
- Topics: machine-learning, watermelon
- Language: Jupyter Notebook
- Homepage:
- Size: 88.3 MB
- Stars: 276
- Watchers: 4
- Forks: 65
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# 《机器学习》（周志华-西瓜书）训练营（深度之眼-第十期）
## 课程资料
- [ApacheCN](http://ml.apachecn.org/mlia/)
- [廖雪峰 Python3 教程](https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000)
- 周志华《机器学习》(链接：https://pan.baidu.com/s/1KRVO694H3QSP8jAqdegzHA 密码：gwpt)
- 优秀github资源：
[周志华《机器学习》学习笔记](https://github.com/Vay-keen/Machine-learning-learning-notes)
[周志华《机器学习》课后参考答案](https://github.com/Tsingke/Machine-Learning_ZhouZhihua)
[周志华《机器学习》课后参考答案-博客](https://www.cnblogs.com/tsingke/p/7233399.html)
- 本训练营的学习安排与课程任务：详见文件夹Books中的《机器学习作业》doc文档
## 课程安排
**总课时：11 周**
### 第一周
- 1 学习机器学习绪论
- 2 达观杯NLP算法大赛
### 第二周
- 3 学习线性模型
- 4 学习sklearn包中逻辑回归算法的使用
### 第三周
- 5 决策树的分裂准则
- 6 决策树的剪枝和连续值处理
- 7 学习sklearn包中决策树算法的使用
### 第四周
- 8 支持向量机原始模型的建立和求解
- 9 核函数和软间隔支持向量机
- 10 了解sklearn包中svm算法的使用
### 第五周
- 11 极大似然估计与朴素贝叶斯
- 12 EM算法
- 13 了解sklearn包中的朴素贝叶斯算法的适用
### 第六周
- 14 神经网络结构
- 15 BP算法
- 16 深度学习初探
- 17 了解sklearn包中神经网络的使用
### 第七周
- 18 经验误差与过拟合
- 19 评估方法
- 20 性能度量
- 21 了解sklearn包中模型评估方法的使用
### 第八周
- 22 特征降维
- 23 特征选择
- 24 了解sklearn包中特征选择和降维算法的使用
### 第九周
- 25 集成学习
- 26 结合策略
- 27 实验-lightGBM的使用
### 第十周
- 28 聚类
- 29 HMM
- 30 了解sklearn包中K-means算法的使用
### 第十一周
- 31 K-摇臂赌博机和天池o2o比赛初级
- 32 有/无模型学习和天池o2o比赛进阶
## 项目目录
Books----------------------------------作业汇总和西瓜书笔记pdf文档
Note-----------------------------------笔记文件夹
+----image-----------------------------笔记截图
+----markdown--------------------------markdown格式视频笔记
+----notebook--------------------------JupyterNotebook格式视频笔记
Week1----------------------------------第一周作业
Week2----------------------------------第二周作业
Week3----------------------------------第三周作业
Week4----------------------------------第四周作业
Week5----------------------------------第五周作业
Week6----------------------------------第六周作业
Week7----------------------------------第七周作业
Week8----------------------------------第八周作业
Week9----------------------------------第九周作业
Week10---------------------------------第十周作业
Week11---------------------------------第十一周作业
## 总结
前后用了一周时间结合Vay-keen大神的笔记做的整理，首先感谢Vay-keen大神为我们这些学习者节约了寻找相关辅助学习资料的时间，笔记中有很多相关的知识是书中没有的，同时笔者也加入了一些其他的辅助公式推导，在此也要感谢南瓜书的作者，是他们的开源公式推导帮助了我们。
在学这本书之前，笔者曾经学了李航老师的第一版《统计学习方法》和《机器学习实战》，当时对里面一些公式部分不是很理解，这次系统性地学习了一遍西瓜书，结合了《统计学习方法》中的例题，更加深入的理解了机器学习中这些经典的算法，为接下来的《百面》一书的学习打下基础。笔者整理出了西瓜书笔记的PDF版本，供各位学习者下载使用。