机器学习100天：专栏目录
生活随笔
收集整理的这篇文章主要介绍了
机器学习100天：专栏目录
小编觉得挺不错的,现在分享给大家,帮大家做个参考.
环境： Python3.6.5
编译器： Jupyter notebook
数据及代码： 暂时放在我公众号 【K同学啊】 内
第一天：数据预处理
初步接触机器学习从数据的预处理开始，从导入第三方库到处理丢失数据、创建虚拟变量再到拆分数据、特征标准化。
第二天：简单线性回归模型
接触的第一个模型，线性回归模型挺适合新手入门的，通过线性会回归可以让我们很好的了解到机器学习究竟是个什么东西。
第三天：多元线性回归
多元线性回归是简单线性回归的升级版，在数学的角度上来看，就是从一元方程升级到多元方程。
第四天：线性回归及梯度下降
深入讨论了线性回归问题，理论联系实际，初步接触机器学习中的算法问题。
第五天：逻辑回归
机器学习中经典模型之一，按照之前线性回归的学习心得探索逻辑回归模型
第六天：数据可视化神器–Matplotlib
可视化是机器学习中一个比较重要的点，一个模型的好与不好通过数据可视化可以很直观的体现出来。
第七天：深入了解逻辑回归
回到之前逻辑回归的学习中，站在数学的角度上看待逻辑回归。
第八天：IPyhon与Jupyter notebook
工欲善其事，必先利其器。这里总结一下之前用的工具IPython与jupyter notebook。
第九天：K-邻近算法模型（KNN）
这里讲的K-邻近算法模型。
第十天：模型评价方法及代码实现
这里记录了主要的分类与回归评价指标共8种，以及它们的代码实现。
第十一天：朴素贝叶斯模型
这篇文章是通过经典的垃圾短信分类来介绍朴素贝叶斯模型。
总结
以上是生活随笔为你收集整理的机器学习100天：专栏目录的全部内容，希望文章能够帮你解决所遇到的问题。
- 上一篇： 机器学习第1天：数据预处理
- 下一篇： 机器学习第3天：多元线性回归