《机器学习（决战大数据时代！IT技术人员不得不读！）》(（美）米歇尔（Mitchell)【简介_书评_在线阅读】 -1
《机器学习导论(原书第3版)》((土)埃塞姆 阿培丁（Ethem Alpaydin）)【简介_书评_在线阅读】 -1
《机器学习》([英] 弗拉赫（Peter Flach）)【简介_书评_在线阅读】 -2
《机器学习（决战大数据时代！IT技术人员不得不读！）》(（美）米歇尔（Mitchell)【简介_书评_在线阅读】 -
Line 353: 第1章 引言
Line 365: 第2章 概念学习和一般到特殊序
Line 388: 第3章 决策树学习
Line 407: 第4章 人工神经网络
Line 417: 第5章 评估假设
Line 418: 第6章 贝叶斯学习
Line 419: 第7章 计算学习理论
Line 420: 第8章 基于实例的学习
Line 421: 第9章 遗传算法
Line 422: 第10章 学习规则集合
Line 423: 第11章 分析这习
Line 424: 第12章 归纳和分析学习的结合
Line 425: 第13章 增强学习
Line 428: 第1章 引言
《机器学习导论(原书第3版)》((土)埃塞姆 阿培丁（Ethem Alpaydin）)【简介_书评_在线阅读】 -
Line 229: 第1章引言1
Line 253: 第2章监督学习13
Line 277: 第3章贝叶斯决策理论27
Line 295: 第4章参数方法37
Line 325: 第5章多元方法54
Line 349: 第6章维度归约67
Line 381: 第7章聚类94
Line 407: 第8章非参数方法107
Line 445: 第9章决策树124
Line 469: 第10章线性判别式139
Line 503: 第11章多层感知器155
《机器学习》([英] 弗拉赫（Peter Flach）)【简介_书评_在线阅读】 -
Line 321: 第1章 机器学习的构成要素 9
Line 335: 第2章 两类分类及相关任务 37
Line 346: 第3章 超越两类分类 61
Line 355: 第4章 概念学习 77
Line 365: 第5章 树模型 97
Line 372: 第6章 规则模型 117
Line 382: 第7章 线性模型 145
Line 392: 第8章 基于距离的模型 173
Line 403: 第9章 概率模型 197
Line 414: 第10章 特征 223
Line 425: 第11章 模型的集成 245
Line 433: 第12章 机器学习的实验 255
第5章 树模型 97
5.1 决策树 100
5.2 排序与概率估计树 103
5.3 作为减小方差的树学习方法 110
5.3.1 回归树 110
5.3.2 聚类树 113
第6章 规则模型 117
6.1 学习有序规则列表 117
6.2 学习无序规则集 124
6.2.1 用于排序和概率估计的规则集 128
6.2.2 深入探究规则重叠 130
6.3 描述性规则学习 131
6.3.1 用于子群发现的规则学习 131
6.3.2 关联规则挖掘 135
第7章 线性模型 145
7.2 感知机 155
7.3 支持向量机 158
第8章 基于距离的模型 173
8.3 *近邻分类器 182
8.4 基于距离的聚类 184
8.4.1 K均值算法 186
第9章 概率模型 197
9.1 正态分布及其几何意义 200
9.2 属性数据的概率模型 205
9.2.1 利用朴素贝叶斯模型实现分类 206
第11章 模型的集成 245
11.1 Bagging 与随机森林 246
11.2 Boosting 247
作者:: 绰号:老哇的爪子 （ 全名：：Attilax Akbar Al Rapanui 阿提拉克斯 阿克巴 阿尔 拉帕努伊 ）
汉字名：艾提拉（艾龙）， EMAIL:[email protected]
转载请注明来源： http://www.cnblogs.com/attilax/
Atiend