机器学习实战： 基于Scikit-Learn和TensorFlow

• 机器学习刷书记录，计划每天一章，争取暑假结束前刷完
• 刷完第一部分后开始做第一部分后面的练习，总结巩固
• 第二部分刷完同样完成书后面的练习
• 刷完后要求能搞懂机器学习所有算法

1. 能够自己写原生算法
2. 会调用sklearn里的API

• 目录

1. 第一章 机器学习概览

介绍机器学习的相关知识

2. 第二章 端到端的机器学习项目

完整的演示了一个机器学习项目的过程，包括收集数据、数据预处理、可视化、模型选择训练、模型评估、网格搜索调参以及项目维护

3. 第三章 分类

以NIMIST数据集为基础演示实现二元分类、多类别分类、多标签分类、多输出分类，用到的模型有随机梯度下降分类器、随机森林分类器，以及穿插了一些评估的相关模块

4. 第四章 训练模型

深入学习回归模型的理论知识，包括线性回归的标准方程、梯度下降、多项式回归、逻辑回归、岭回归、Lasso回归、弹性网络、Softmax回归等

5. 第五章 支持向量机

介绍SVM的分类和回归用法，以及数学理论

6. 第六章 决策树
7. 第七章 集成学习和随机森林