机器
Python机器学习算法 赵志勇 中文pdf_Python教程
资源名称： 机器学习算法 赵志勇 中文 第一部分分类算法 支持向量机 随机森林 神经网络 第二部分回归算法 线性回归 岭回归和 回归 树回归 第三部分聚类算法 第四部分推荐算法 协同过滤算法 基于矩阵分解的推荐算法 基于图的推荐算法 文献 第五部分深度学习 卷积神经网络 第六部分项目实践 微博精准推荐 资源截图：
Python机器学习实践指南 附随书代码 中文pdf_Python教程
资源名称： 机器学习实践指南 附随书代码 中文 第 章 机器学习的生态系统 第 章构建应用程序，发现低价的第 章构建应用程序，发现低价的第 章使用逻辑回归预测 市场 第 章创建自定义的新闻源 第 章预测你的内容是否会广为第 章使用机器学习预测股票市场 第 章建立图像相似度的引擎 第 章打造聊天机器人 第 章构建推荐引擎 资源截图：
![图解机器学习完整版 （[日]杉山将） 中文](http://static.good2020.cn/2020/07/1595235521-acd51c2b1fe2eab.png)
图解机器学习完整版 （[日]杉山将） 中文
资源名称：图解机器学习完整版 日 杉山将 中文 第 部分绪论 第 章什么是机器学习 第 章学习模型 第 部分有监督回归 第 章最小二乘学习法 第 章带有约束条件的最小二乘法 第 章稀疏学习 第 章鲁棒学习 第 部分有监督分类 第 章基于最小二乘法的分类 第 章支持向量机分类 第 章集成分类 第 章概率分类法 第 章序列数据的分类 第 部分无监督学习 第 章异常检测 第 章无监督降维 第 章聚类 第 部分新兴机器学习算法 第 章在线学习 第 章半监督学习 第 章监督降维 第 章迁移学习 第 章多任务学习 第
机器学习 （周志华 著） 学习笔记 中文完整高清版_Python教程
资源名称：机器学习 周志华 著 学习笔记 中文完整高清版 第 章 引言 基本术 假设空间 归纳偏好 发展历程 应用现状 阅读材料 习题 参考文献 休息一会儿 第 章 模型评估与选择 经验误差与过拟合 评估方法 留出法 交叉验证法 自助法 调参与最终模型 性能度量 错误率与精度 查准率、查全率与 与 代价敏感错误率与代价曲线 比较检验 假设检验 交叉验证 检验 检验 检验与后续检验 偏差与方差 阅读材料 习题 参考文献 休息一会儿 第 章 线性模型 基本形式 线性回归 对数几率回归 线性判别分析 多分类学习
Python+Spark 2.0+Hadoop机器学习与大数据实战
资源名称： 机器学习与大数据实战 内容简介： 本书从浅显易懂的 大数据和机器学习 原理说明入手，讲述大数据和机器学习的基本概念，如分类、分析、训练、建模、预测、机器学习（推荐引擎）、机器学习（二元分类）、机器学习（多元分类）、机器学习（回归分析）和数据可视化应用等。书中不仅加入了新近的大数据技术，还丰富了 机器学习 内容。 为降低读者学习大数据技术的门槛，书中提供了丰富的上机实践操作和范例程序详解，展示了如何在单机 系统上通过 虚拟机安装多机 虚拟机，如何建立 集群，再建立 开发环境。书中介绍搭建的上机实
Java机器学习 中文pdf
资源名称： 机器学习 中文 第 章 机器学习应用快速入门 第 章 面向机器学习的 库与第 章 基本算法 分类、回归第 章 利用集成方法预测客户关系第 章 关联分析第 章 使用 制作第 章 欺诈与异常检测第 章 利用 进行第 章 利用手机传感器进行第 章 利用 进行文本挖掘 第 章 机器学习进阶 资源截图：
Python机器学习 预测分析核心算法 中文pdf_Python教程
资源名称： 机器学习 预测分析核心算法 中文 第 章 关于预测的两类核心 第 章 通过理解数据来了解 第 章 预测模型的构建：平衡性 第 章 惩罚线性回归模型第 章 使用惩罚线性方法来 第 章 集成方法第 章 用 构建集成 资源截图：
Spark MLlib机器学习实践（第2版）
资源名称： 机器学习实践（第 版） 内容简介： 作为新兴的、应用范围 为广泛的大数据处理开源框架引起了广泛的关注，它吸引了大量程序设计和开发人员进行相关内容的学习与开发，其中 是 框架使用的核心。本书是一本细致介绍 程序设计的图书，入门简单，示例丰富。 本书分为 章，从 基础安装和配置开始，依次介绍 程序设计基础、 的数据对象构建、 中 使用介绍，各种分类、聚类、回归等数据处理方法， 后还通过一个完整的实例，回顾了前面的学习内容，并通过代码实现了一个完整的分析过程。 本书理论内容由浅而深，采取实例和理论相
