机器学习 第一部分：分类 第二章：k-近邻算法 基本理论 代码解析 第三章：决策树 基本理论 代码解析 第四章：基于概率论的分类方法：朴素贝叶斯 基本理论 代码解析 第五章：Logistic回归 基本理论 代码解析 第六章：支持向量机 基本理论 代码解析 第七章：集成学习 基本理论 代码解析 第二部分：回归 第八章：线性回归 基本理论 代码解析 第九章：树回归 基本理论 代码解析 第三部分：无监督学习 第十章：K-Means聚类 基本理论 代码解析 第十一章：使用Apriori算法进行关联分析 基本理论 代码解析 第十二章：使用FP-growth算法来高效发现频繁项集 基本理论 代码解析 第四部分：工具 第十三章：利用PCA来简化数据 基本理论 代码解析 第十四章：利用SVD简化数据 基本理论 代码解析 第五部分：进阶 第十五章：EM算法 基本理论 代码解析