Python 數(shù)據(jù)挖掘系列文章鏈接匯總(自己收藏一波)

1戳稽、國內(nèi)外網(wǎng)站
如果你想搜索比較新穎的機器學(xué)習(xí)資料或是文章,可以到以下網(wǎng)站中搜索痹仙,里面不僅包括了機器學(xué)習(xí)的內(nèi)容是尔,還有許多其它相關(guān)領(lǐng)域內(nèi)容,如數(shù)據(jù)科學(xué)和云計算等开仰。
InfoWord:http://www.infoworld.com/reviews/
Kdnuggets:http://www.kdnuggets.com
Datasciencecentral:http://www.datasciencecentral.com/
Datascienceplus:http://datascienceplus.com
數(shù)據(jù)分析網(wǎng):http://www.afenxi.com/
2拟枚、ML 相關(guān)算法參考網(wǎng)址
決策樹(decision tree):http://blog.csdn.net/dream_angel_z/article/details/45965463
SVM支持向量機:http://blog.pluskid.org/?page_id=683
Adaboost組合算法:http://blog.csdn.net/huruzun/article/details/41323065
Random Forest隨機森林:http://www.cnblogs.com/wentingtu/archive/2011/12/22/2297405.html
Naive Bayes樸素貝葉斯:http://blog.csdn.net/dream_angel_z/article/details/46120867
人工神經(jīng)網(wǎng)絡(luò):http://www.cnblogs.com/luxiaoxun/archive/2012/12/10/2811309.html
Apriori 算法–關(guān)聯(lián)分析:http://www.csuldw.com/2015/06/04/2015-06-04-Apriori/
K最近鄰算法:http://blog.csdn.net/dream_angel_z/article/details/45896449
梯度樹提升 GTB 算法 :http://blog.csdn.net/dream_angel_z/article/details/48085889
K-means 聚類:http://blog.csdn.net/dream_angel_z/article/details/46343597
組合算法:http://www.csuldw.com/2015/07/22/2015-07-22%20%20ensemble/
EM期望最大算法:http://blog.csdn.net/zouxy09/article/details/8537620
Logistic邏輯回歸:http://blog.csdn.net/wangran51/article/details/8892923
HMM 隱馬爾可夫模型:http://blog.csdn.net/likelet/article/details/7056068
條件隨機場:http://www.tanghuangwhu.com/archives/162
決策樹組合模型之隨機森林和GBDT:http://www.cnblogs.com/LeftNotEasy/archive/2011/03/07/1976562.html
特征選擇和特征提取:http://blog.csdn.net/lanbing510/article/details/40488787
梯度下降法:http://blog.csdn.net/woxincd/article/details/7040944
牛頓法:http://blog.csdn.net/luoleicn/article/details/6527049
線性判別分析:http://www.cnblogs.com/jerrylead/archive/2011/04/21/2024384.html
深度學(xué)習(xí)概述:從感知機到深度網(wǎng)絡(luò):http://www.cnblogs.com/xiaowanyer/p/3701944.html

轉(zhuǎn):https://blog.csdn.net/liufang0001/article/details/68945798

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末众弓,一起剝皮案震驚了整個濱河市恩溅,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌谓娃,老刑警劉巖脚乡,帶你破解...
    沈念sama閱讀 222,104評論 6 515
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異傻粘,居然都是意外死亡每窖,警方通過查閱死者的電腦和手機帮掉,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,816評論 3 399
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來窒典,“玉大人蟆炊,你說我怎么就攤上這事∑僦荆” “怎么了涩搓?”我有些...
    開封第一講書人閱讀 168,697評論 0 360
  • 文/不壞的土叔 我叫張陵,是天一觀的道長劈猪。 經(jīng)常有香客問我昧甘,道長,這世上最難降的妖魔是什么战得? 我笑而不...
    開封第一講書人閱讀 59,836評論 1 298
  • 正文 為了忘掉前任充边,我火速辦了婚禮,結(jié)果婚禮上常侦,老公的妹妹穿的比我還像新娘浇冰。我一直安慰自己,他們只是感情好聋亡,可當(dāng)我...
    茶點故事閱讀 68,851評論 6 397
  • 文/花漫 我一把揭開白布肘习。 她就那樣靜靜地躺著,像睡著了一般坡倔。 火紅的嫁衣襯著肌膚如雪漂佩。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 52,441評論 1 310
  • 那天罪塔,我揣著相機與錄音投蝉,去河邊找鬼。 笑死垢袱,一個胖子當(dāng)著我的面吹牛墓拜,可吹牛的內(nèi)容都是我干的港柜。 我是一名探鬼主播请契,決...
    沈念sama閱讀 40,992評論 3 421
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼夏醉!你這毒婦竟也來了爽锥?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,899評論 0 276
  • 序言:老撾萬榮一對情侶失蹤畔柔,失蹤者是張志新(化名)和其女友劉穎氯夷,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體靶擦,經(jīng)...
    沈念sama閱讀 46,457評論 1 318
  • 正文 獨居荒郊野嶺守林人離奇死亡腮考,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 38,529評論 3 341
  • 正文 我和宋清朗相戀三年雇毫,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片踩蔚。...
    茶點故事閱讀 40,664評論 1 352
  • 序言:一個原本活蹦亂跳的男人離奇死亡棚放,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出馅闽,到底是詐尸還是另有隱情飘蚯,我是刑警寧澤,帶...
    沈念sama閱讀 36,346評論 5 350
  • 正文 年R本政府宣布福也,位于F島的核電站局骤,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏暴凑。R本人自食惡果不足惜峦甩,卻給世界環(huán)境...
    茶點故事閱讀 42,025評論 3 334
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望现喳。 院中可真熱鬧穴店,春花似錦、人聲如沸拿穴。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,511評論 0 24
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽默色。三九已至球凰,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間腿宰,已是汗流浹背呕诉。 一陣腳步聲響...
    開封第一講書人閱讀 33,611評論 1 272
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留吃度,地道東北人甩挫。 一個月前我還...
    沈念sama閱讀 49,081評論 3 377
  • 正文 我出身青樓,卻偏偏與公主長得像椿每,于是被迫代替她去往敵國和親伊者。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 45,675評論 2 359

推薦閱讀更多精彩內(nèi)容