人工智能

1.相关概念 2.分析案例 2.1 数据分析 上述数据中，葡萄酒、豆奶、尿布就是一组频繁项集，可以观察出买了尿布的人很可能会买葡萄酒。进一步分析可知： 2.2 简单案例 2.3 Apriori算法 2

1.相关概念 EM主要步骤： 隐马尔可夫模型（HMM） HMM主要构成 三个矩阵的初始值 需要求解的三个问题 对于概率计算问题，可以使用前向计算或者后向计算 对于学习问题，可以分为监督学习和无监督学习

1.相关概念 K均值伪代码 2.聚类案例 2.1 加载数据 2.2 计算误差平方和 2.3 构建初始质心 2.4 k-means聚类 2.5 测试聚类效果 2.6 运行结果 由图可见数据比较分散，聚类

1.相关概念 伪代码如下： 2.简单例子 2.1 CART算法 2.2 将CART用于回归 2.3 预剪枝与后剪枝 3.使用GUI设置参数 3.1 运行效果 3.2 代码 4.小结 5.参考资料 [1

1.相关概念 2.案例 2.1 简单例子 运行结果： 2.2 局部加权线性回归 2.3 预测鲍鱼年龄 运行结果 3.岭回归 运行结果 其他解决办法的代码参看本节完整代码[4] 4.小结 5.参考资料

1.相关概念 更多资料参看[1][2][3][4][5] 2.训练算法 2.1 创建数据集 2.2 构建单层决策树作为弱分类器 2.3 完整AdaBoos实现 2.4 测试函数 2.5 一个完整案例

1.相关概念 2.数据复杂分布的可能情况 3.适用SVM实现手写数字二分类 3.1 准备数据集 3.2 关于smo算法 改进版smo算法： 3.3 运行结果 完整代码获取 4.小结 5.参考资料 [1

1.概念 2.一个简单案例代码 2.1 testSet数据内容 2.2 代码 2.3 运行结果 3.使用图示方法展示梯度方向 3.1 运行效果 3.2 代码 4.小结 5.参考资料 [1] 机器学习实

1.朴素贝叶斯 2.一般步骤 3.案例 3.1 使用朴素贝叶斯判断词性 3.2 使用朴素贝叶斯过滤垃圾邮件 4.运行结果 5.参考资料 [1] 机器学习实战 [2] 书籍源码 [3] jupyter版

1.决策树的优缺点 2.决策树一般步骤 3.例子 3.1计算数据的香农熵 3.2 利用熵对数据集进行划分 4.小结 5.参考资料 [1] 机器学习实战 [2] 书籍源码 [3] jupyter版本

K-近邻算法 工作原理：存在一个样本数据集合（训练样本集），并且样本集中每个数据都存在label（知道样本集中每一数据与所属分类的对应关系）。输入没有标签的新数据后，将新数据的每个特征与样本集中数据对