机器学习启蒙

教程名称：机器学习启蒙
教程内容：
如今机器学习成了大趋势，某网机器学习启蒙分享给大家
教程目录：
┣━第1章 机器学习概述

	┃xa0xa0┣━1-1 机器学习-导学
中的函数

	┃xa0xa0┣━1-11 应用GraphCreate Lab

	┃xa0xa0┣━1-13 SFrame中的列操作

	┃xa0xa0┣━1-14 SFrame中的apply函数

	┃xa0xa0┣━1-2 概述

	┃xa0xa0┣━1-3 机器学习示例

	┃xa0xa0┣━1-4 本门课使用的工具

	┃xa0xa0┣━1-5 本门课的内容

	┃xa0xa0┣━1-6 graphlab create的安装

	┃xa0xa0┣━1-7 IPython Notebook介绍

	┃xa0xa0┣━1-8 python 基本语法

	┃xa0xa0┣━1-9 条件和循环语句

	┣━第2章 回归模型

	┃xa0xa0┣━2-1 线性回归概述

	┃xa0xa0┣━2-10 回归实践-下载和探索房屋销售数据

	┃xa0xa0┣━2-11 回归实践-把数据拆分成训练集和测试集

	┃xa0xa0┣━2-12 回归实践-学习一个简单的回归模型通过房屋大小预测房价

	┃xa0xa0┣━2-13 回归实践-评估模型的误差

	┃xa0xa0┣━2-14 回归实践-通过Matplotlib来可视化预测

	┃xa0xa0┣━2-15 回归实践-探索学习到的模型系数

	┃xa0xa0┣━2-16 回归实践-探索数据的其他特征

	┃xa0xa0┣━2-17 回归实践-学习通过更多特征来预测房价的模型

	┃xa0xa0┣━2-18 回归实践-应用学习到的模型来预测更多的房价

	┃xa0xa0┣━2-2 预测房价

	┃xa0xa0┣━2-3 线性回归

	┃xa0xa0┣━2-4 加入更高阶的因素

	┃xa0xa0┣━2-5 通过训练-测试分离来评估过拟合

	┃xa0xa0┣━2-6 训练测试曲线

	┃xa0xa0┣━2-7 加入新的特征

	┃xa0xa0┣━2-8 其他回归示例

	┃xa0xa0┣━2-9 回归总结

	┣━第3章 分类模型

	┃xa0xa0┣━3-1 分类-分析情感

	┃xa0xa0┣━3-10 类别概率

	┃xa0xa0┣━3-11 分类总结

	┃xa0xa0┣━3-12 分类实践-获取和探索商品评论数据

	┃xa0xa0┣━3-13 分类实践-构建词袋向量

	┃xa0xa0┣━3-14 分类实践-探索流行的商品

	┃xa0xa0┣━3-15 分类实践-定义评论的正面和负面感情

	┃xa0xa0┣━3-16 分类实践-训练情感的分类器

	┃xa0xa0┣━3-17 分类实践-通过ROC曲线评估分类器

	┃xa0xa0┣━3-18 分类实践-应用模型于商品的最正面和最负面评论

	┃xa0xa0┣━3-19 分类实践-探索商品的最正面和最负面评价

	┃xa0xa0┣━3-2 从主题预测情感

	┃xa0xa0┣━3-3 分类器应用

	┃xa0xa0┣━3-4 线性分类器

	┃xa0xa0┣━3-5 决策边界

	┃xa0xa0┣━3-6 训练和评估分类器

	┃xa0xa0┣━3-7 什么是好的精度

	┃xa0xa0┣━3-8 混淆矩阵

	┃xa0xa0┣━3-9 学习曲线

	┣━第4章 聚类和相似度模型

	┃xa0xa0┣━4-1 聚类和相似度-文档检索

	┃xa0xa0┣━4-10 其他例子

	┃xa0xa0┣━4-11 聚类和相似度总结

	┃xa0xa0┣━4-12 聚类和相似度实践-获取和探索维基百科数据

	┃xa0xa0┣━4-13 聚类和相似度实践-探索单词计数

	┃xa0xa0┣━4-14 聚类和相似度实践-计算和探索TF-IDF

	┃xa0xa0┣━4-15 聚类和相似度实践-计算维基百科文章的距离

	┃xa0xa0┣━4-16 聚类和相似度实践-构建和探索维基百科文章的最近领域模型

	┃xa0xa0┣━4-17 聚类和相似度实践-实际文档检索的例子

	┃xa0xa0┣━4-2 检索感兴趣的文档

	┃xa0xa0┣━4-3 用于测量相似度的单词计数表示

	┃xa0xa0┣━4-4 应用TF-IDF对于重要单词进行优先级排序

	┃xa0xa0┣━4-5 TF-IDFf文档表示

	┃xa0xa0┣━4-6 检索相似的文档

	┃xa0xa0┣━4-7 文档聚类

	┃xa0xa0┣━4-8 聚类介绍

	┃xa0xa0┣━4-9 k-均值

	┣━第5章 推荐系统

	┃xa0xa0┣━5-1 推荐商品

	┃xa0xa0┣━5-10 通过矩阵分解发现隐藏结构

	┃xa0xa0┣━5-11 特征+矩阵分解

	┃xa0xa0┣━5-12 推荐系统的性能度量

	┃xa0xa0┣━5-13 最优推荐

	┃xa0xa0┣━5-14 准确率-召回率曲线

	┃xa0xa0┣━5-15 推荐系统总结

	┃xa0xa0┣━5-16 推荐系统实践-获取和探索音乐数据

	┃xa0xa0┣━5-17 推荐系统实践-构建和评估基于流行度的音乐推荐系统

	┃xa0xa0┣━5-18 推荐系统实践-构建和评估个性化的音乐推荐系统

	┃xa0xa0┣━5-19 推荐系统实践-召回率来比较推荐模型

	┃xa0xa0┣━5-3 推荐的分类模型

	┃xa0xa0┣━5-4 协同过滤

	┃xa0xa0┣━5-5 流行物品的影响

	┃xa0xa0┣━5-6 正规化同现矩阵

	┃xa0xa0┣━5-7 矩阵补全问题

	┃xa0xa0┣━5-8 通过用户和物品的特征进行推荐

	┃xa0xa0┣━5-9 利用矩阵形式预测

	┣━第6章 深度学习

	┃xa0xa0┣━6-1 深度学习：图像搜索

	┃xa0xa0┣━6-10 深度学习实践-构建图像检索的最近邻模型

	┃xa0xa0┣━6-11 深度学习实践-通过查询最近邻模型来检索图像

	┃xa0xa0┣━6-12 深度学习实践-检索和轿车图像最相似的图像

	┃xa0xa0┣━6-13 深度学习实践-通过Python和Lanbda函数来显示其他检索图像

	┃xa0xa0┣━6-2 神经网络

	┃xa0xa0┣━6-3 深度学习在计算机视觉中的应用

	┃xa0xa0┣━6-4 深度学习的性能

	┃xa0xa0┣━6-5 计算机视觉中的深度学习

	┃xa0xa0┣━6-6 深度学习的挑战

	┃xa0xa0┣━6-7 迁移学习

	┃xa0xa0┣━6-8 深度学习总结(1)

	┃xa0xa0┣━6-9 深度学习实践-获取图像数据

	┣━数据集.rar

	┣━机器学习启蒙源码.zip

	┣━机器学习启蒙讲师源码.zip

	┣━机器学习数据
素材