- 目录
第一章 绪论
第二章 模型评估与选择
第三章 线性模型
第四章 决策树
第五章 神经网络
第六章 支持向量机
第七章 贝叶斯分类器
第八章 集成学习
第九章 聚类
第十章 降维与度量学习
第十一章 特征选择与稀疏学习
第十二章 计算理论学习
第十三章 半监督学习
第十四章 概率图模型
第十五章 规则学习
第十六章 强化学习
目录:
- 周志华《机器学习》课后习题解答系列(二):Ch1 - 绪论
- 周志华《机器学习》课后习题解答系列(三):Ch2 - 模型评估与选择
- 周志华《机器学习》课后习题解答系列(四):Ch3 - 线性模型
- 周志华《机器学习》课后习题解答系列(四):Ch3.3 - 编程实现对率回归
- 周志华《机器学习》课后习题解答系列(四):Ch3.4 - 交叉验证法练习
- 周志华《机器学习》课后习题解答系列(四):Ch3.5 - 编程实现线性判别分析
- 周志华《机器学习》课后习题解答系列(五):Ch4 - 决策树
- 周志华《机器学习》课后习题解答系列(五):Ch4.3 - 编程实现ID3算法
- 周志华《机器学习》课后习题解答系列(五):Ch4.4 - 编程实现CART算法与剪枝操作
- 周志华《机器学习》课后习题解答系列(六):Ch5 - 神经网络
- 周志华《机器学习》课后习题解答系列(六):Ch5.5 - BP算法实现
- 周志华《机器学习》课后习题解答系列(六):Ch5.6 - BP算法改进
- 周志华《机器学习》课后习题解答系列(六):Ch5.7 - RBF网络实验
- 周志华《机器学习》课后习题解答系列(六):Ch5.8 - SOM网络实验
- 周志华《机器学习》课后习题解答系列(六):Ch5.10 - 卷积神经网络实验
参考:http://blog.csdn.net/snoopy_yuan/article/details/62045353