机器学习ID3算法的简单实现， ID3算法是一种贪心算法，用来构造决策树。ID3算法起源于概念学习系统（CLS），以信息熵的下降速度为选取测试属性的标准，即在每个节点选取还尚未被用来划分的具有最高信息增益的属性作为划分标准，然后继续这个过程，直到生成的决策树能完美分类训练样例。
上传时间： 2017-05-11
上传用户：zheng417
本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括： （一）监督学习（参数/ 非参数算法，支持向量机，核函数，神经网络）。（二）无监督学习 （聚类，降维，推荐系统，深入学习推荐）。（三）在机器学习的最佳实践（偏差/ 方差理 论；在机器学习和人工智能创新过程）。本课程还将使用大量的案例研究，您还将学习如何 运用学习算法构建智能机器人（感知，控制），文本的理解（W eb 搜 索，反垃圾邮件），计 算机视觉，医疗信息，音频，数据挖掘，和其他领域。 本课程需要 1 0 周 共 1 8 节 课，
上传时间： 2017-07-28
上传用户：xiaoyuerer
介绍机器学习相关知识及机器学习领域的二十多种经典算法
标签： 机器学习
上传时间： 2017-08-02
上传用户：yaoshuai
人工智能 机器学习 贝叶斯的模型 训练贝叶斯
上传时间： 2017-10-26
上传用户：faith
机器学习个人笔记完整版，中文，吴文达机器学习
标签： 机器学习
上传时间： 2019-06-11
上传用户：qq274983722
机器学习对于改进产品、过程和研究有着很⼤的潜⼒。但是计算机通常无法解释他们的预测，这是采⽤机器学习的障碍。这本书是关于使机器学习模型及其决策可解释的。 在探索了可解释性的概念之后，你将学习简单的、可解释的模型，例如决策树、决策规则和线性回归。后⾯⼏章重点介绍了解释⿊盒模型的模型⽆关的⼀般⽅法，如特征重要性和累积局部效应，以及⽤ Shapley 值和 LIME 解释单个实例预测。 所有的解释⽅法进⾏了深⼊说明和批判性讨论。它们如何在⿊盒下⼯作的？它们的优缺点是什么？ 如何解释它们的输出？本书将使你能够选择并正确应⽤最适合你的机器学习项⽬的解释⽅法。 这本书的重点是表格式数据 (也称为关系数据或结构化数据) 的机器学习模型，较少涉及到计算机 视觉和⾃然语⾔处理任务。建议机器学习从业者、数据科学家、统计学家和任何对使机器学习模型 可解释的⼈阅读本书。
标签： 机器学习
上传时间： 2021-02-08
上传用户：
本书为周志华编写的机器学习，为该领域的入门教材。清华大学出版社出版。
标签： 机器学习
上传时间： 2021-10-20
上传用户：
介绍了数据科学领域常用的所有重要机器学习算法以及TensorFlow和特征工程等相关内容。涵盖的算法包括线性回归、逻辑回归、支持向量机、朴素贝叶斯、K均值、随机森林等，这些算法可以用于监督学习、非监督学习、强化学习或半监督学习。本书在简明扼要地阐明基本原理的基础上，侧重于介绍如何在Python环境下使用机器学习方法库，并通过大量实例清晰形象的展示了不同场景下机器学习方法的应用。
上传时间： 2021-10-21
上传用户：d1997wayne
该文档为基于机器学习对销量预测的研究简介资料，讲解的还不错，感兴趣的可以下载看看…………………………
标签： 机器学习
上传时间： 2021-11-05
上传用户：
该文档为机器学习算法常用模型逻辑回归(附上r和python程序)简介文档，是一份很不错的参考资料，具有较高参考价值，感兴趣的可以下载看看………………
上传时间： 2021-11-12
上传用户：wangshoupeng199
