pgi29wjsp/SUMMARY.md

机器学习

• 简介
• 第1章：机器学习概述
  • [1.1 什么是机器学习](what's machine_learning.md)
  • [1.2 机器学习常见术语](some term.md)
  • [1.3 机器学习项目流程](work flow.md)
• 第2章：常见机器学习算法
  • 2.1 kNN
  • 2.2 线性回归
  • 2.3 逻辑回归
  • 2.4 多分类学习
  • 2.5 决策树
  • 2.6 随机森林
  • 2.7 朴素贝叶斯分类器
  • 2.8 支持向量机
  • 2.9 kMeans
  • 2.10 AGNES
• 第3章：模型评估指标
  • 3.1 常用分类性能评估指标
  • 3.2 常用回归性能评估指标
  • 3.3 常用聚类性能评估指标
• 第4章：使用sklearn进行机器学习
• [第5章：综合实战案例](xx introduction.md)
  • 5.1 泰坦尼克生还预测
    • 5.1.1 探索性数据分析(EDA)
    • [5.1.2 特征工程](./titanic/feature engerning.md)
    • [5.1.3 构建模型进行预测](./titanic/fit and predict.md)
    • 5.1.4 调参
  • [5.2 使用强化学习玩乒乓球游戏](./xx introduction.md)
    • [5.2.1 什么是强化学习](./pingpong/what is reinforce learning.md)
    • [5.2.2 Policy Gradient原理](./pingpong/Policy Gradient.md)
    • 5.2.3 使用Policy Gradient玩乒乓球游戏
• 实训推荐