# MLBook

**Repository Path**: benechen/MLBook

## Basic Information

- **Project Name**: MLBook
- **Description**: 机器学习算法原理与编程实践代码
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 1
- **Created**: 2020-11-10
- **Last Updated**: 2022-02-11

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

### source code of 机器学习算法原理与编程实践

<a href="http://www.threedweb.cn/thread-1554-1-1.html">机器学习 算法原理与编程实践</a>

<h3>本书的特点之一是从结构上阐明了研究机器学习理论和算法的方法。最重要的不是数学，也不是这些算法本身，而是思想的发展过程，这与之前所有的书籍有所不同。全书分为三条主线。</h3>
<ul>
<li>第一条主线是从第一代神经网络（线性分类器）、第二代神经网络（非线性）及其在预测领域的应用，到支持向量机，最后是深度学习。</li>
<li>第二条主线是贝叶斯理论，从朴素贝叶斯算法到贝叶斯网，最后是隐马尔科夫模型，这部分属于智能推理的范畴。</li>
<li>最后一条主线是矩阵降维、奇异值分解（svd）和PCA算法，因为算法简单，本书都使用真实案例进行讲解。</li>
</ul>
目前机器学习主要由这三条主线贯穿始终，本书着力于讲解这三条主线的理论发展、思想变迁、数学原理，而具体算法就是其上的一颗颗明珠。希望读者在学习完本书之后，能够将机器学习的各种理论融会贯通。


## 第1章 机器学习的基础 
## 第2章 中文文本分类 
## 第3章 决策树的发展 
## 第4章 推荐系统原理 
## 第5章 梯度寻优 
## 第6章 神经网络初步 
## 第7章 预测的技术与哲学 
## 第8章 万能分类器——支持向量机 
## 第9章 人脸识别中的机器学习 
## 第10章  认知计算与深度学习
## 第11章  概率图模型与词性标注