简介部分，作者介绍了自己早年为什么对机器学习感兴趣，后期的学习过程，以及对机器学习应用在工业界的客观态度。虽然本书出版于12年初，作者的灵感来源于10年前的一篇论文 Top 10 Algorithms in Data Mining ，但本书的许多实战应用依然是不过时，作为入门书籍足足够够。
数据挖掘十大算法
机器学习实战主要分为4个部分，分类、回归预测、无监督学习、其他工具。
对于前两章，在接下来我会侧重于实践部分，提炼方法论；对于后两章，由于目前工业界推荐算法发展迅猛，可能会叠加一些别的书籍一起看。进度应该会慢一些，外援需求也多一些( ‘-ωก̀ ) 希望我不要半途而废呀
代码地址
本书结构
一、分类
机器学习基础
什么是机器学习？
什么是监督学习？
如何区分监督学习，无监督学习？
属性/特征挑选tips
如何测试机器学习算法的效果？
知识表示
如何选择合适的算法？
如何开发机器学习？
一点点小感想：由于初版时间过早，作者使用的数据格式主要是List，而不是现在大热的dataframe，后面上手的时候，应该会改写作者的代码，改为dataframe格式的
© 著作权归作者所有,转载或内容合作请联系作者
喜欢的朋友记得点赞、收藏、关注哦！！！
