Python 数据挖掘系列文章链接汇总(自己收藏一波)

1、国内外网站
如果你想搜索比较新颖的机器学习资料或是文章,可以到以下网站中搜索,里面不仅包括了机器学习的内容,还有许多其它相关领域内容,如数据科学和云计算等。
InfoWord:http://www.infoworld.com/reviews/
Kdnuggets:http://www.kdnuggets.com
Datasciencecentral:http://www.datasciencecentral.com/
Datascienceplus:http://datascienceplus.com
数据分析网:http://www.afenxi.com/
2、ML 相关算法参考网址
决策树(decision tree):http://blog.csdn.net/dream_angel_z/article/details/45965463
SVM支持向量机:http://blog.pluskid.org/?page_id=683
Adaboost组合算法:http://blog.csdn.net/huruzun/article/details/41323065
Random Forest随机森林:http://www.cnblogs.com/wentingtu/archive/2011/12/22/2297405.html
Naive Bayes朴素贝叶斯:http://blog.csdn.net/dream_angel_z/article/details/46120867
人工神经网络:http://www.cnblogs.com/luxiaoxun/archive/2012/12/10/2811309.html
Apriori 算法–关联分析:http://www.csuldw.com/2015/06/04/2015-06-04-Apriori/
K最近邻算法:http://blog.csdn.net/dream_angel_z/article/details/45896449
梯度树提升 GTB 算法 :http://blog.csdn.net/dream_angel_z/article/details/48085889
K-means 聚类:http://blog.csdn.net/dream_angel_z/article/details/46343597
组合算法: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逻辑回归:http://blog.csdn.net/wangran51/article/details/8892923
HMM 隐马尔可夫模型:http://blog.csdn.net/likelet/article/details/7056068
条件随机场:http://www.tanghuangwhu.com/archives/162
决策树组合模型之随机森林和GBDT:http://www.cnblogs.com/LeftNotEasy/archive/2011/03/07/1976562.html
特征选择和特征提取:http://blog.csdn.net/lanbing510/article/details/40488787
梯度下降法:http://blog.csdn.net/woxincd/article/details/7040944
牛顿法:http://blog.csdn.net/luoleicn/article/details/6527049
线性判别分析:http://www.cnblogs.com/jerrylead/archive/2011/04/21/2024384.html
深度学习概述:从感知机到深度网络:http://www.cnblogs.com/xiaowanyer/p/3701944.html

转:https://blog.csdn.net/liufang0001/article/details/68945798

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 162,306评论 4 370
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 68,657评论 2 307
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 111,928评论 0 254
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 44,688评论 0 220
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 53,105评论 3 295
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 41,024评论 1 225
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 32,159评论 2 318
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,937评论 0 212
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,689评论 1 250
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,851评论 2 254
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,325评论 1 265
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,651评论 3 263
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,364评论 3 244
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,192评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,985评论 0 201
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 36,154评论 2 285
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,955评论 2 279

推荐阅读更多精彩内容