机器学习

算法总结 -- Alogrithm Summary

之前章节的内容组织： 围绕着一个样例问题、解决该问题的相应算法，及其变体

提供针对每种算法的：

• 算法描述，
• 工作原理的扼要概述，
• 适用的数据集类型，
• 算法实现代码的使用方法，
• 算法的优缺点说明，借助示例来解释算法的某些特征

从监督学习算法开始：这类算法根据训练样本来推测某一分类或某个数值。

贝叶斯分类器 -- Bayesian Classifier

训练 -- Training

分类 -- Classifying

代码使用说明 -- Using Your Code

优点和缺点 -- Strengths and Weaknesses

决策树分类器 -- Decision Tree Classifier

训练 -- Training

决策树分类器使用说明 -- Using Your Decision Tree Classifier

优点和缺点 -- Strengths and Weaknesses

神经网络 -- Neural Networks

训练神经网络 -- Training a Neural Network

神经网络代码使用说明 -- Using Your Neural Network Code

优点和缺点 -- Strengths and Weaknesses

支持向量机 -- Support-Vector Machines

核方法 -- The Kernel Trick

LIBSVM使用说明 -- Using LIBSVM

优点和缺点 -- Strengths and Weaknesses

k-最近邻 -- k-Nearest Neighbors

变量缩放及多余变量 -- Scaling and Superflous Varialbes

kNN代码使用说明 -- Using Your kNN Code

优点和缺点 -- Strengths and Weaknesses

聚类 -- Clustering

分级聚类 -- Hierarchical Clustering

K-均值聚类 -- K-Means Clustering

聚类代码使用说明 -- Using Your Clustering Code

多维缩放 -- Multidimensional Scaling

多维缩放代码使用说明 -- Using Your Multidimensional Scaling Code

非负矩阵因式分解 -- Non-Negative Matrix Factorization

NMF代码使用说明 -- Using Your NMF Code

优化 -- Optimization

成本函数 -- The Cost Function

模拟退火 -- Simulated Annealing

遗传算法 -- Genetic Algorithms

优化代码使用说明 -- Using Your Optimization Code