Python3入门机器学习_经典算法与应用

课程目录:
第01章 欢迎来到Python3玩转机器学习
第02章 机器学习基础
第03章 Jupyter Notebook ,numpy
第04章 最基础的分类算法
第05章 线性回归法
第06章 梯度下降法
第07章 PCA与梯度上升法
第08章 多项式回归与模型泛化
第09章 逻辑回归
第10章 评价分类结果
第11章 支撑向量机SVM
第12章 决策树
第13章 集成学习和随机森林
第14章 更多机器学习算法
github地址.txt
ISLR Seventh Printing.pdf
Mastering Feature Engineering Principles and Techniques for Data Scientists (Early Release)-O’reilly .pdf
适合人群及技术储备要求:
如果你对机器学习感兴趣,想从业于机器学习,或是准备参加机器学习相关比赛,本课程非常适合你
学前必备技术:
Python3基础语法
具备高等数学,线性代数,概率论基本知识
课程对机器学习基础知识要求是0基础

python下载地址:http://ai.pythonf.com/thread-54-1-8.html