由于本学期学习了计算机操作系统，所以打算边学习边整理，一方面帮助自己梳理知识结构，另一方面可以帮助大家理解。注意：该总结用的是汤小丹第四版！关于知识脑图，我是边学边做的，推荐大家也自己做脑图，而不是直接拿走照搬，因为只有自己梳理的东西才是自己的。做知识脑图的好处是可以对知识整体结构有好的把握，不会让自己迷失于细节；还可以复习时快速找到知识点等。废话不多说，赶紧开始吧。

机器学习实战——基于概率论的分类方法：朴素贝叶斯，贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯决策理论为基础，故统称为贝叶斯分类。我们通过实例来讨论贝叶斯分类的中最简单的一种: 朴素贝叶斯分类。我们称之为“朴素”，是因为整个形式化过程只做原始、 简单的假设。

这次内容主要是补充一下学习计算机操作系统之前需要了解的前置知识。

KNN 概述k-近邻（k-NN, k-Nearest Neighbor）算法是一种 基本分类与回归方法 ，我们这里只讨论分类问题中的 k-近邻算法。

机器学习实战一、k-近邻算法1、kNN 概述2、KNN 原理工作原理开发流程算法特点3、KNN 项目案例项目案例1: 优化约会网站的配对效果项目案例2: 手写数字识别系统4、KNN 小结二、决策树1、决策树 概述2、决策树 原理须知概念工作原理开发流程算法特点3、决策树 项目案例项目案例1: 判定鱼类和非鱼类项目案例2: 使用决策树4、决策树 小结三、使用 Matplotlib 注解绘制树形图

机器学习实战：使用 Apriori 算法进行关联分析从大规模数据集中寻找物品间的隐 含关系被称作关联分析（association analysis）或者关联规则学习（association rule learning）。这 里的主要问题在于，寻找物品的不同组合是一项十分耗时的任务，所需的计算代价很高，蛮力搜 索方法并不能解决这个问题，所以需要用更智能的方法在合理的时间范围内找到频繁项集。本章 将介

文章目录数据挖掘实践Task01：数据探索与分析一、赛题介绍1、赛题背景介绍2、赛题任务和评估指标3、赛题方案解析二、数据探索与分析1、数据探索和准备步骤1.1 时间序列图1.2 数据分布可视化1.3 变量相关性分析和独立性分析2、资金流入流出预测的数据探索数据挖掘实践本次跟随Datawhale组织的数据挖掘实践组队学习，希望能有所收获。Datawhale是一个很好的开源组织，会组织很多优质、开源

零基础入门数据挖掘由于是一边看一边实践，同时一边写脑图，笔记和相关查询都在脑图上，所以直接上脑图吧。BaselineTask1 赛题理解Task2 数据分析分享详细内容可以下载，这里是上述脑图的百度云盘下载地址，提取码：l48f。...

#!/usr/bin/env python# coding: utf-8from numpy import *def loadSimpData():""" 测试数据Returns:dataArrfeature对应的数据集labelArrfeature对应的分类标签"""dataArr = array([...

#!/usr/bin/env python# coding: utf-8from numpy import *# 项目案例1: 屏蔽社区留言板的侮辱性言论# 准备数据：从文本中构建词向量def loadDataSet():"""创建数据集:return: 单词列表postingList, 所属类别classVec"""post...