# MachineLearning **Repository Path**: wangyaning1130/MachineLearning ## Basic Information - **Project Name**: MachineLearning - **Description**: Machine Learning in Action（机器学习实战） - **Primary Language**: HTML - **License**: GPL-3.0 - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 1 - **Created**: 2024-09-14 - **Last Updated**: 2024-09-14 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # MachineLearning > **欢迎任何人参与和完善：一个人可以走的很快，但是一群人却可以走的更远** * **ApacheCN - 学习机器学习群【629470233】

** * **Machine Learning in Action (机器学习实战) | [ApacheCN(apache中文网)](http://cwiki.apachecn.org/)** * 电子版书籍：[【机器学习实战-中文版-带目录版.pdf】](https://github.com/apachecn/MachineLearning/tree/master/books) * -- 感谢大佬 [Wizard Zhang](https://github.com/wizardforcel) 生成的电子书[《机器学习实战-ApacheCN.pdf》](https://github.com/apachecn/MachineLearning/blob/master/books/机器学习实战-ApacheCN.pdf) * **视频已更新完成，如果你觉得有价值，请帮忙点 Star【后续组织学习活动：sklearn、kaggle 和 tensorflow】** * -- 视频网站：优酷／bilibili / Acfun ，可直接在线播放。（最下方有相应链接） * -- 对于帮忙转发 [MachineLearning(机器学习) 学习路线图](http://www.apachecn.org/map/145.html) 的朋友，可以加群后私聊瑶妹企鹅赠送《机器学习实战》百度云视频一套，谢谢 ## 第一部分分类 * 1.) [机器学习基础](./docs/1.机器学习基础.md) * 2.) [k-近邻算法](./docs/2.k-近邻算法.md) * 3.) [决策树](./docs/3.决策树.md) * 4.) [基于概率论的分类方法：朴素贝叶斯](./docs/4.朴素贝叶斯.md) * 5.) [Logistic回归](./docs/5.Logistic回归.md) * 6.) [支持向量机](./docs/6.支持向量机.md) * 7.) [集成方法-随机森林和AdaBoost](./docs/7.集成方法-随机森林和AdaBoost.md) ## 第二部分利用回归预测数值型数据 * 8.) [预测数值型数据：回归](./docs/8.预测数值型数据：回归.md) * 9.) [树回归](./docs/9.树回归.md) ## 第三部分无监督学习 * 10.) [使用K-均值聚类算法对未标注数据分组:k-means聚类](./docs/10.k-means聚类.md) * 11.) [使用Apriori算法进行关联分析](./docs/11.使用Apriori算法进行关联分析.md) * 12.) [使用FP-growth算法来高效发现频繁项集](./docs/12.使用FP-growth算法来高效发现频繁项集.md ) ## 第四部分其他工具 * 13.) [利用PCA来简化数据](./docs/13.利用PCA来简化数据.md) * 14.) [利用SVD简化数据](./docs/14.利用SVD简化数据.md) * 15.) [大数据与MapReduce](./docs/15.大数据与MapReduce.md) ## 第五部分项目实战(非课本内容) * 16.) [推荐系统](/docs/16.推荐系统.md) ## 阶段性总结 * [2017-04-08_第一期的总结](/report/2017-04-08_第一期的总结.md) ## 联系方式 > 项目负责人 * [@jiangzhonglian](https://github.com/jiangzhonglian)（片刻） > 项目贡献者 * [@jiangzhonglian](https://github.com/jiangzhonglian)（片刻） * [@wangyangting](https://github.com/wangyangting)（那伊抹微笑） * [@chenyyx](https://github.com/chenyyx)（瑶妹） * [@geekidentity](https://github.com/geekidentity)（侯法超） * [@mikechengwei](https://github.com/mikechengwei)（Mike） * [@hello19883](https://github.com/hello19883)（hello19883） * [@sheepmen](https://github.com/sheepmen)（徐鑫） * [@highfei2011](https://github.com/highfei2011)（ibe） * [@LeeMoonCh](https://github.com/LeeMoonCh)（Arithmetic） * [@caopeirui](https://github.com/caopeirui)（Veyron C） * [@Cugtyt](https://github.com/Cugtyt)（Cugtyt） > 加入方式 * 企鹅: 529815144(片刻) 1042658081(那伊抹微笑) 190442212(瑶妹) * [ApacheCN(apache中文网) 维护更新](http://www.apachecn.org) * [关于我们](http://cwiki.apachecn.org/pages/viewpage.action?pageId=2887240) * [加入我们](http://cwiki.apachecn.org/pages/viewpage.action?pageId=2887239) ## 网站视频 > [知乎问答-爆炸啦-机器学习该怎么入门？](https://www.zhihu.com/question/20691338/answer/248678328) 当然我知道，第一句就会被吐槽，因为科班出身的人，不屑的吐了一口唾沫，说傻X，还评论 Andrew Ng 的视频。。我还知道还有一部分人，看 Andrew Ng 的视频就是看不懂，那神秘的数学推导，那迷之微笑的英文版的教学，我何尝又不是这样走过来的？？我的心可能比你们都痛，因为我在网上收藏过上10部《机器学习》相关视频，外加国内本土风格的教程：7月+小象等等，我都很难去听懂，直到有一天，被一个百度的高级算法分析师推荐说：《机器学习实战》还不错，通俗易懂，你去试试？？我试了试，还好我的Python基础和调试能力还不错，基本上代码都调试过一遍，很多高大上的 "理论+推导"，在我眼中变成了几个 "加减乘除+循环"，我想这不就是像我这样的程序员想要的入门教程么？很多程序员说机器学习 TM 太难学了，是的，真 TM 难学，我想最难的是：没有一本像《机器学习实战》那样的作者愿意以程序员 Coding 角度去给大家讲解！！最近几天，GitHub 涨了 300颗 star，加群的200人，现在还在不断的增加++，我想大家可能都是感同身受吧！很多想入门新手就是被忽悠着收藏收藏再收藏，但是最后还是什么都没有学到，也就是"资源收藏家"，也许新手要的就是 [MachineLearning(机器学习) 学习路线图](http://www.apachecn.org/map/145.html)。没错，我可以给你们的一份，因为我们还通过视频记录下来我们的学习过程。水平当然也有限，不过对于新手入门，绝对没问题，如果你还不会，那算我输！！ > 视频怎么看？ ![](images/MainPage/ApacheCN-ML-bilibili-compare.jpg) 1. 理论科班出身-建议去学习 Andrew Ng 的视频（Ng 的视频绝对是权威，这个毋庸置疑） 2. 编码能力强 - 建议看我们的[《机器学习实战-教学版》](https://space.bilibili.com/97678687/#!/channel/detail?cid=22486) 3. 编码能力弱 - 建议看我们的[《机器学习实战-讨论版》](https://space.bilibili.com/97678687/#!/channel/detail?cid=13045)，不过在看理论的时候，看教学版-理论部分；讨论版的废话太多，不过在讲解代码的时候是一行一行讲解的；所以，根据自己的需求，自由的组合。循序渐进大体介绍：[机器学习初学者建议 | ApacheCN](http://www.apachecn.org/map/179.html) 干货内容实际操作：[MachineLearning(机器学习) 学习路线图](http://www.apachecn.org/map/145.html) > 机器学习视频-教学版 ||| | - | - | | AcFun | B站 | |

| | 优酷 | 网易云课堂 | |

| ## [ApacheCN 组织资源](http://www.apachecn.org/) > [kaggle: 机器学习竞赛](https://github.com/apachecn/kaggle) | 深度学习 | 机器学习 | 大数据 | 运维工具 | | --- | --- | --- | --- | | [TensorFlow R1.2 中文文档](http://cwiki.apachecn.org/pages/viewpage.action?pageId=10030122) | [Sklearn 0.19 中文文档](http://sklearn.apachecn.org/) | [Spark 2.2.0和2.0.2 中文文档](http://spark.apachecn.org/) | [Zeppelin 0.7.2 中文文档](http://cwiki.apachecn.org/pages/viewpage.action?pageId=10030467) | | pytorch 计划中 | [机器学习实战-教学版](https://github.com/apachecn/MachineLearning) | [Storm 1.1.0和1.0.1 中文文档](http://storm.apachecn.org/) | [Kibana 5.2 中文文档](http://cwiki.apachecn.org/pages/viewpage.action?pageId=8159377) | | | | [Kudu 1.4.0 中文文档](http://cwiki.apachecn.org/pages/viewpage.action?pageId=10813594) | | | | | [Elasticsearch 5.4 中文文档](http://cwiki.apachecn.org/pages/viewpage.action?pageId=4260364) | | | | [Beam 中文文档](http://beam.apachecn.org/) |