机器学习资料

Posted 2021-02-12 sharryling

机器学习资料
-----
### 1.聚类资料及代码：
Python实现聚类算法(三)之总结:
https://www.colabug.com/72166.html
scikit-learn学习之K-means聚类算法与 Mini Batch K-Means算法:
https://blog.csdn.net/gamer_gyt/article/details/51244850
### 2. 斯坦福大学公开课 ：机器学习课程
http://open.163.com/special/opencourse/machinelearning.html
### 3.书籍推荐：
《机器学习实战（可复制）》

## 学习工具
**Spark能更好地适用于数据挖掘与机器学习等需要迭代的MapReduce的算法。**
**Kaggle是一个数据分析建模的应用竞赛平台**

 

 

@[TOC](机器学习资料整理)

## 1. 斯坦福大学公开课 ：机器学习课程
http://open.163.com/special/opencourse/machinelearning.html
## 2.书籍推荐：
《机器学习实战（可复制）》
## 3.学习工具介绍：
Spark能更好地适用于数据挖掘与机器学习等需要迭代的MapReduce的算法。
Kaggle是一个数据分析建模的应用竞赛平台：
>逻辑回归应用之Kaggle泰坦尼克之灾：https://blog.csdn.net/han_xiaoyang/article/details/49797143

## 4.各算法学习链接：
### 1.聚类资料及代码：
Python实现聚类算法(三)之总结:
https://www.colabug.com/72166.html
scikit-learn学习之K-means聚类算法与 Mini Batch K-Means算法:
https://blog.csdn.net/gamer_gyt/article/details/51244850