<hr> **模式分类、机器学习和数据挖掘相关的教程、示例、集合以及其他所有内容。** <br> <br> <br> <br>

章节

• 机器学习和模式分类简介
• 预处理
• 模型评估
• 参数估计
• 机器学习算法
  • 贝叶斯分类
  • 逻辑回归
  • 神经网络
  • 集成方法
• 聚类
• 数据收集
• 数据可视化
• 统计模式分类示例
• 书籍
• 讲座
• 应用
• 资源

<br> <br> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/8ce2fbdc-c892-49ca-98e0-e7c3fd9233b7.png" style="width: 700px; height:600px;">

[下载PDF版本] 此流程图。

<br> <br> <br> <hr> <br>

机器学习和模式分类简介

[返回顶部]

• 预测建模、监督机器学习和模式分类 - 大局观 [[Markdown](https://github.com/rasbt/pattern_classification/blob/master/./machine_learning/supervised_intro/introduction_to_supervised_machine_learning.md]

• 入门点：数据 - 使用Python的科学计算包为机器学习任务和其他数据分析准备数据 [IPython nb]

• 使用scikit-learn进行简单线性监督分类的介绍 [IPython nb]

<br> <br> <br> <hr> <br>

预处理

[返回顶部]

• 特征提取

  • 分类任务中编码分类特征的技巧 [IPython nb]

• 缩放和归一化

  • 关于特征缩放：标准化和最小-最大缩放（归一化）[IPython nb]

• 特征选择

  • 顺序特征选择算法 [IPython nb]

• 降维

  • 主成分分析 (PCA) [IPython nb]
  • PCA前变量缩放和均值中心化的影响 [PDF] [HTML]
  • 基于协方差矩阵vs相关矩阵的PCA [IPython nb]
  • 线性判别分析 (LDA) [IPython nb]
    • 核技巧和通过PCA进行非线性降维 [IPython nb]

• 文本表示

  • scikit-learn的Tf-idf演练 [IPython nb]

<br> <hr> <br>

模型评估

[返回顶部]

• 二元分类器系统一般性能指标概述 [PDF]
• 交叉验证
  • 简化你的交叉验证工作流程 - scikit-learn的Pipeline实践 [IPython nb]
• 机器学习中的模型评估、模型选择和算法选择 - 第一部分 [[Markdown](https://github.com/rasbt/pattern_classification/blob/master/evaluation/model-evaluation/model-evaluation-selection-part1.md]
• 机器学习中的模型评估、模型选择和算法选择 - 第二部分 [[Markdown](https://github.com/rasbt/pattern_classification/blob/master/evaluation/model-evaluation/model-evaluation-selection-part2.md]

<br> <hr> <br>

参数估计

[返回顶部]

• 参数技术

  • 最大似然估计（MLE）简介 [IPython nb]
  • 如何为不同分布计算最大似然估计（MLE）[IPython nb]

• 非参数技术

  • 通过Parzen窗技术进行核密度估计 [IPython笔记本]
  • K近邻(KNN)技术

• 回归分析

  • 线性回归
    • 最小二乘拟合 [IPython笔记本]
  • 非线性回归

<br> <hr> <br>

机器学习算法

[返回顶部]

贝叶斯分类

• 朴素贝叶斯和文本分类 I - 介绍和理论 [PDF]

逻辑回归

• 使用scikit-learn进行核外学习和模型持久化 [IPython笔记本]

神经网络

• 人工神经元和单层神经网络 - 机器学习算法工作原理第1部分 [IPython笔记本]

• 激活函数速查表 [IPython笔记本]

集成方法

• 在scikit-learn中实现加权多数规则集成分类器 [IPython笔记本]

决策树

• 决策树分类速查表 [IPython笔记本]

<br> <hr> <br>

聚类

[返回顶部]

• 基于原型的聚类
• 层次聚类
  • Python中的完全连接聚类和热图 [IPython笔记本]
• 基于密度的聚类
• 基于图的聚类
• 基于概率的聚类

<br> <hr> <br>

收集数据

[返回顶部]

• 使用Python和Beautiful Soup收集幻想足球数据 [IPython笔记本]

• 下载你的Twitter时间线并用Python生成词云 [IPython笔记本]

• 将MNIST读入NumPy数组 [IPython笔记本]

<br> <hr> <br>

数据可视化

[返回顶部]

• 星球大战API的探索性分析 [IPython笔记本]

• Matplotlib示例 - 鸢尾花数据集的探索性数据分析 [IPython笔记本]

• 各国人工智能出版物

[IPython笔记本] [[PDF](https://github.com/rasbt/pattern_classification/blob/master/./data_viz/ai_publication_chloropleth/images/ai_publication_chloropleth_small.pdf]

<br>

<hr> <br>

统计模式分类示例

[返回顶部]

• 监督学习

  • 参数技术
    • 单变量正态分布
      • 示例1: 2类、方差相等、先验概率相等 [IPython笔记本]
      • 示例2: 2类、方差不同、先验概率相等 [IPython笔记本]
      • 示例3: 2类、方差相等、先验概率不同 [IPython笔记本]
      • 示例4: 2类、方差不同、先验概率不同、损失函数 [IPython笔记本]
      • 示例5: 2类、方差不同、先验概率相等、损失函数、柯西分布 [IPython笔记本]

• 多元正态密度

• 示例5:2个类别,不同方差,相等先验概率,损失函数 [IPython 笔记本]

• 示例7:2个类别,相等方差,相等先验概率 [IPython 笔记本]

• 非参数技术

<br> <hr> <br>

书籍

[返回顶部]

Python机器学习

<a href='http://sebastianraschka.com/publications.html'></a>

• 亚马逊链接
• 出版社链接
• GitHub代码仓库

<br> <hr> <br>

演讲

[返回顶部]

监督机器学习和模式分类简介:全局视角

<a href='http://www.slideshare.net/SebastianRaschka/nextgen-talk-022015'></a>

[在SlideShare上查看]

[下载PDF]

<br> <br>

MusicMood - 基于歌词的自动音乐情绪预测中的机器学习

<a href='http://www.slideshare.net/SebastianRaschka/musicmood-20140912'> </a>

[在SlideShare上查看]

[下载PDF]

<br> <hr> <br>

应用

[返回顶部]

MusicMood - 基于歌词的自动音乐情绪预测中的机器学习

这个项目是为想听快乐歌曲的用户构建一个音乐推荐系统。这样的系统不仅可以在雨天周末时振奋人心;特别是在医院、其他医疗诊所或餐厅等公共场所,MusicMood分类器可以用来在人群中传播积极情绪。

[musicmood GitHub 仓库]

<br>

mlxtend - 一个用于Python数据分析和机器学习库的扩展和辅助模块库。

[mlxtend GitHub 仓库]

<br> <hr> <br>

资源

[返回顶部]

• 可复制粘贴的 LaTeX 方程 [[Markdown](https://github.com/rasbt/pattern_classification/blob/master/./resources/latex_equations.md]

• 开源数据集 [[Markdown](https://github.com/rasbt/pattern_classification/blob/master/./resources/dataset_collections.md]

• 免费机器学习电子书 [[Markdown](https://github.com/rasbt/pattern_classification/blob/master/./resources/machine_learning_ebooks.md]

• 50字以内定义的数据科学术语 [[Markdown](https://github.com/rasbt/pattern_classification/blob/master/./resources/data_glossary.md]

• Python中有用的数据科学库 [[Markdown](https://github.com/rasbt/pattern_classification/blob/master/./resources/python_data_libraries.md]

• 一般提示和建议 [[Markdown](https://github.com/rasbt/pattern_classification/blob/master/./resources/general_tips_and_advices.md]

• Python、R、Julia和MATLAB的矩阵速查表 [HTML]