本系列另一篇文章《决策树》

https://blog.csdn.net/juwikuang/article/details/89333344
本文源代码：

https://github.com/juwikuang/machine_learning_step_by_step
最近我发现我之前写的一篇文章《一个公式告诉你为什么程序员要转算法工程师》

http://blog.csdn.net/juwikuang/article/details/73057194

有很多人访问。我想，很多程序员和我当初一样，想从程序员转算法工程师。
说说我当初为什么会想到升级成算法工程师。记得三年前，我还在印孚瑟斯（Infosys），我们的CFO非常自豪的宣布公司已经成功的让专科生的比例提高了，让本科生的比例降低了。我作为一个本科程序员，听了十分难受。当然，公司这样做是为了利润，也合理合法。换了我是CFO，我也会这样做，不过，我应该不会像他一样大声说。有些事，可以做，不能说。
后来，机缘巧合，我学习了机器学习，走上了算法工程师这条路。当时我学机器学习，是从吴恩达（Andrew Ng）的Coursera课程开始的。很多人和我一样，也是开了这门课，开始机器学习的。这门课挺好，可惜开发语言用了Octave，以至于我每次写作业，都很痛苦，因为我还要学Octave语言，而且这东西学了也没啥用。另外，这门课是英语的，只有少数人能看懂。
本文的目的，就是从最基本，最简单的机器学习算法讲起，手把手的教你实现这个算法。一边编程，一边就明白这个算法的原理了。我本人也是程序员转的算法工程师，我们的强项就是编程，弱项就是数学。我针对这个特点，专门做了以下教程。
言归正传。首先我们看看线性回归在整个机器学习里的位置。
从机器学习到线性回归

今天，我们只关注机器学习到线性回归这条线上的概念。别的以后再说。为了让大家听懂，我这次也不查维基百科了，直接按照自己的理解用大白话说，可能不是很严谨。
机器学习就是机器可以自己学习，而机器学习的方法就是利用现有的数据和算法，解出算法的参数。从而得到可以用的模型。
监督学习就是利用已有的数据（我们叫X，或者特征），和数据的标注（我们叫Y），找到x和y之间的对应关系，或者说是函数f。
回归分析是一种因变量为连续值得监督学习。
线性回归是一种x和y之间的关系为线性关系的回归分析。y=a1x1+a2x2+by=a_1x_1+a_2x_2+by=a1​x1​+a2​x2​+b，这个叫线性关系。如果这里出现了x2x^2x2,$log(x)$, $sin(x)$之类的，那就不是线性关系了。
一元线性回归说的是，自变量x是一个纯量（scalar）。scalar类型的变量，是不可再分的。
我希望你能说明白这些概念的关系。不过，我自己也是花了很久才了解清楚的。如果你没听明白，也没关系。毕竟都是概念，没什么实际的例子，也很难理解。等你看完了本文，了解了一元线性回归。回过头来再看这些概念，就能更好的理解了。
问题
这里，我们的问题是，找出算法工程师和程序员之间的工资关系。这里直接给出北京，上海，杭州，深圳，广州的工资。

城市
x-程序员工资
y-算法工程师工资
北京
1.3854
2.1332
上海
1.2213
2.0162
杭州
1.1009
1.9138
深圳
1.0655
1.8621
广州
0.09503
1.8016
把他们用图打出来看看他们之间的关系。

由图可见，他们之间大致是一个线性关系，这时候，我们就可以试着用一元线性回归去拟合（fit）他们之间的关系。
数学模型
一元线性回归公式
以下是公式
$y=ax+b+\epsilon$
y 为应变量 dependent variable

x 为自变量 independent variable

a 为斜率 coeffient

b 为截距 intercept

ε （读作epsilon）为误差，正态分布

线性回归的目标是，找到一组a和b，使得ε最小
y^=ax+b\hat{y}=ax+by^​=ax+b
ε=y−y^ε=y-\hat{y}ε=y−y^​
y^\hat{y}y^​ 读作y hat，也有人读作y帽子。这里的帽子一般表示估计值，用来区别真实值y。
下图可以更好的帮助你理解。


（图片来自互联网）
黑色的点为观测样本，即$y=ax+b+\epsilon$。
x红色的线为回归线，即y^=ax+b\hat{y}=ax+by^​=ax+b。
x蓝色的线段为误差，即ε=y−y^ε=y-\hat{y}ε=y−y^​
方差 - 损失函数 Cost Function
在机器学习中，很多时候，我们需要找到一个损失函数。有了损失函数，我们就可以经过不断地迭代，找到损失函数的全局或者局部最小值（或者最大值）。损失函数使得我们的问题转化成数学问题，从而可以用计算机求解。在线性回归中，我们用方差作为损失函数。我们的目标是使得方差最小。
下面的表格解释了什么是方差。

其中SSE(Sum of Square Error)是总的方差，MSE（Mean Square Error）是方差的平均值。
而这里的损失函数，用的是0.5 * MSE。即：
J(a,b)=12n∑i=0n(yi−y^i)2J(a,b)=\frac{1}{2n}\sum_{i=0}^{n}(y_i−\hat{y}_i )^2J(a,b)=2n1​∑i=0n​(yi​−y^​i​)2
记住，这里的损失函数是针对参数a和b的函数，y和y^\hat{y}y^​ 其实都是已知的。
优化方法 Optimization Function
有了损失函数，我们还需要一个方法，使得我们可以找到这个损失函数的最小值。机器学习把他叫做优化方法。这里的优化方法，就是算损失的方向。或者说，当我的参数变化的时候，我的损失是变大了还是变小了。如果a变大了，损失变小了。那么，说明a增大这个方向是正确的，我们可以朝着这个方向继续小幅度的前进。反之，就应该考虑往相反的方向试试看。因为每个参数（a和b）都是一维的，所以，所谓的方向，无非就是正负符号。
这里，我们需要用偏微分的方法，得到损失函数的变化量。即：
∂J∂a=∂12n∑i=0n(yi−y^i)2∂a\frac{\partial J}{\partial a} = \frac{\partial \frac{1}{2n}\sum_{i=0}^{n}(y_i−\hat{y}_i )^2}{\partial a}∂a∂J​=∂a∂2n1​∑i=0n​(yi​−y^​i​)2​
=1n∑i=0n(yi−axi−b)∂(yi−axi−b)∂a= \frac{1}{n}\sum_{i=0}^{n}(y_i-ax_i-b) \frac{\partial (y_i-ax_i-b)}{\partial a}=n1​∑i=0n​(yi​−axi​−b)∂a∂(yi​−axi​−b)​
=1n∑i=0n(yi−axi−b)(−xi)= \frac{1}{n}\sum_{i=0}^{n}(y_i-ax_i-b) (-x_i)=n1​∑i=0n​(yi​−axi​−b)(−xi​)
=1n∑i=0nx(y^i−yi)= \frac{1}{n}\sum_{i=0}^{n}x(\hat{y}_i-y_i)=n1​∑i=0n​x(y^​i​−yi​)
∂J∂b=∂12n∑i=0n(yi−y^i)2∂a\frac{\partial J}{\partial b} =  \frac{\partial \frac{1}{2n}\sum_{i=0}^{n}(y_i−\hat{y}_i )^2}{\partial a}∂b∂J​=∂a∂2n1​∑i=0n​(yi​−y^​i​)2​
=1n∑i=0n(yi−axi−b)∂(yi−axi−b)∂b= \frac{1}{n}\sum_{i=0}^{n}(y_i-ax_i-b) \frac{\partial (y_i-ax_i-b)}{\partial b}=n1​∑i=0n​(yi​−axi​−b)∂b∂(yi​−axi​−b)​
=1n∑i=0n(yi−axi−b)(−1)= \frac{1}{n}\sum_{i=0}^{n}(y_i-ax_i-b) (-1)=n1​∑i=0n​(yi​−axi​−b)(−1)
=1n∑i=0n(y^i−yi)= \frac{1}{n}\sum_{i=0}^{n}(\hat{y}_i-y_i)=n1​∑i=0n​(y^​i​−yi​)
如果你已经忘了微积分，你暂时可以不必纠结上面的公式，只要知道公式给出了损失函数的变化就可以了。伟大的python还提供了sympy，你可以用sympy做微积分。这部分我也放在附件代码里了，有兴趣的可以看一下。
之前说到，整过迭代过程是小幅度进行的。这里，就需要一个超参数来控制这个过程。这个超参数就是$\alpha$，通常是0.01.
这时，我们就可以去更新a和b的值：
a=a−α∂J∂aa = a - \alpha \frac{\partial J}{\partial a}a=a−α∂a∂J​
b=b−α∂J∂bb = b - \alpha \frac{\partial J}{\partial b}b=b−α∂b∂J​
到这里，在你继续往下读之前，你先自己考虑一下，为什么这里是负号？
你考虑好了么，如果你考虑好了，我就公布答案了。
本身∂J∂a\frac{\partial J}{\partial a}∂a∂J​ 和 ∂J∂b\frac{\partial J}{\partial b}∂b∂J​ 是损失函数的变化量。如果损失函数随着a变大了，即 ∂J∂a\frac{\partial J}{\partial a}∂a∂J​ 为正。说明a的增大会导致损失函数的增大。那么是不是说，a的减小会使得损失函数减小呢？而我们的目标是使得J最小，所以，这个时候，我们的a要减小一点点。


（图片来自互联网）
算法步骤
a和b的起始值设置为零
通过模型y^=ax+b\hat{y}=ax+by^​=ax+b，我们可以算出y^\hat{y}y^​
有了y^\hat{y}y^​，就可以用优化方法算去更新参数
重复2和3，直到找到J的最小值
流程图如下：
Created with Raphaël 2.2.0开始a=0, b=0计算模型y_hat=ax+b计算a和b的微分更新a和b找到损失函数的最小值结束yesno
下图解释了模型，损失函数和优化方法之间的关系。

Python 实现
理论部分先告一段落，我们现在开始写代码，实现一元线性回归。
首先是模型，这个很简单：
def model(a, b, x):
    return a*x + b

接着，是损失函数：
def cost_function(a, b, x, y):
    n = 5
    return 0.5/n * (np.square(y-a*x-b)).sum()

最后，是优化函数：
def optimize(a,b,x,y):
    n = 5
    alpha = 1e-1
    y_hat = model(a,b,x)
    da = (1.0/n) * ((y_hat-y)*x).sum()
    db = (1.0/n) * ((y_hat-y).sum())
    a = a - alpha*da
    b = b - alpha*db
    return a, b

以上三个函数中a和b是标量（scalar value），x和y是向量（vector）

至此，一元线性回归的主要部分就完成了。一共才14行代码，是不是很简单。
训练模型
有了模型，损失函数，优化函数，我们就可以训练模型了。具体过程请见附件代码。
这里给出分别训练1次，再训练5次，再训练10次，再训练100，再训练10000次的模型。





从上面几幅图，我们可以看到，随着训练次数的增加，回归线越来越接近样本了。我们自己写的线性回归比较简单，我只能目测，凭直觉感觉损失函数已经达到了最小值，我们就停在10000次吧。
看得再多，不如自己动手。阅读下一章节之前，请自己实现一元线性回归。
这里有现成的代码，供你参考。
http://download.csdn.net/download/juwikuang/10050886
模型评价
在机器学习中，模型的好坏是有标准的。在回归模型中，我们用R2R^2R2 来评价模型。公式：
R2=SSR/SSTR^2=SSR/SSTR2=SSR/SST

其中
SSR=∑i=0n(y^i−yˉ)SSR=\sum_{i=0}^{n}(\hat{y}_i-\bar{y})SSR=∑i=0n​(y^​i​−yˉ​)
SST=∑i=0n(yi−yˉ)SST=\sum_{i=0}^{n}(y_i-\bar{y})SST=∑i=0n​(yi​−yˉ​)
yˉ\bar{y}yˉ​ 读作y bar，是y的平均值。

可以证明$SST=SSR+SSE$，证明过程又会涉及到期望等概念，我们这里不展开了。
好了，现在你应该回到代码中去计算R2R^2R2 了。
用scikit-learn训练和评价模型
平时在工作中，我们不可能自己去写回归模型，最常用的第三方工具是scikit-learn。

其官网是：

http://scikit-learn.org/
以下是ipython代码。
import numpy as np
from sklearn.linear_model import LinearRegression
import matplotlib.pyplot as plt
%matplotlib inline

x = [13854,12213,11009,10655,9503] #程序员工资，顺序为北京，上海，杭州，深圳，广州
x = np.reshape(x,newshape=(5,1)) / 10000.0
y =  [21332, 20162, 19138, 18621, 18016] #算法工程师，顺序和上面一致
y = np.reshape(y,newshape=(5,1)) / 10000.0
# 调用模型
lr = LinearRegression()
# 训练模型
lr.fit(x,y)
# 计算R平方
print lr.score(x,y)
# 计算y_hat
y_hat = lr.predict(x)
# 打印出图
plt.scatter(x,y)
plt.plot(x, y_hat)
plt.show()


恭喜你，看完了本文，也学会了一元线性回归。如果对你有帮助，请给我一个赞。你的支持和鼓励是我继续写下去的动力。
如果有疑问，请下面留言。
python机器学习手写算法系列
完整源代码：
https://github.com/juwikuang/machine_learning_step_by_step
欢迎阅读本系列其他文章：
《python机器学习手写算法系列——线性回归》
《python机器学习手写算法系列——逻辑回归》
《python机器学习手写算法系列——决策树》
《python机器学习手写算法系列——kmeans聚类》

Python机器学习教程

第一章：对于机器学习，我们选择了Python

第二章：了解SciPy、Pandas

持续更新 ... ...

 



 

前面几篇博文已经整理了Python做数据分析和建模以及机器学习基础知识。

这篇博文主要分享Python做数据分析和建模的实践案例应用。

分为两部分：

1、Python机器学习实践案例的算法总结。

     见博文下方的算法总结表格。

2、案例和代码实现。

     每个案例单独用一篇博文来讲解逻辑和Python代码实现。点击对应的链接到相应的博文中去阅读。

    （1）朴素贝叶斯、费舍尔分类器模型（文档分类）

            ---引申 用gesim-word2vec实现词矢量化

    （2）优化算法模型：

            [1] 旅行行程优化问题

            [2] 住宿房间分配问题

    （3）决策树分类建模

    （4）分级聚类、K均值聚类

              [1] 使用LSA潜在语义分析，聚类评论主题

    （5）KNN算法

            [1]数值预测、区间概率预测、概率密度图

            [2]协同过滤推荐简单实现

         ---引申  [3] 协同过滤推荐-pyspark实现

        ---引申  [4]spark的安装和Jupyter使用

    （6）寻找独立特征-非负矩阵因式分解

    （7）支持向量机

    （8）神经网络

    （9）特征工程

          [1]受限波兹曼机RBM在机器学习中的使用

          [2]在机器学习pipeline中同时使用PCA和LDA

          [3]线性判别式LDA的两种实现方式

          [4]主成分分析PCA的两种实现方式

          [5]用PCA、LDA、LR做人脸识别

 

机器学习实践案例算法总结
		
算法
			
算法描述/原理概述
			
适用的数据集类型
			
Python代码实现的主要步骤
			
优缺点说明
		
贝叶斯分类器
			
根据贝叶斯公式：P(cat|item) = P(item|cat)*P(cat)/P(item),

			其中，P(item|cat) = P(feature|cat)*P(feature|cat)*P(feature|cat)*…
			
适应于所有能转换成一组特征列表的数据集。
			
1、定义特征提取函数getfeature

			2、利用样本对分类器进行训练，得到记录了特征和某个特定分类相关联的数字概率P(feature|(cat)

			3、分类预测(朴素贝叶斯分类器)
			
优点：

			1、训练和分类计算的速度快

			2、支持增量式的训练

			3、特征的概率值被保存，所以分类学习的解释相对简单

			缺点：

			1、无法处理特征组合会产生分类结果影响的情况
		
决策树分类器
			
从根部开始构造决策树，在每一步中都会选择一个属性，利用该属性以最佳的可能方式对数据进行拆分。

			对于构造完成的决策树，从树的根部节点开始，对每一个节点的判断条件进行检查，走相应的yes or no 分支直至叶节点，即代表新数据的预测分类
			
适应于数值型或者名词性的有分类结果的数据集
			
1、创建决策树。

			熵、基尼不纯度衡量集合的混乱、不纯程度。信息增益来衡量一次拆分的好坏。

			2、决策树剪枝

			3、决策树显示--树状图/文本打印

			4、决策树分类
			
优点：

			1、易于对模型的解释和理解。重要的判断因素都在靠近根部的位置。

			2、能处理变量之间的相互影响。

			缺点：

			1、不擅长对数值结果的预测。

			2、不支持增量式的训练。
		
神经网络
			
　
			
　
			
　
			
　
		
支持向量机SVM
			
　
			
　
			
　
			
　
		
K最近邻算法KNN
			
对一个待预测的新数据项，将其与已经知道结果值的数据项进行比较，从中找出最为接近的若干项，并根据距离远近求其加权平均值以得到最终的预测结果。
			
可以做数值预测的数据集
			
1、对变量进行缩放处理和交叉验证

			2、给出一个距离度量算法/相似度度量算法

			3、加权KNN算法预测
			
优点：

			1、简单易懂 2、合理的数据缩放量不但可以改善预测效果，还能知道预测过程中各个变量的重要程度。3、新的数据可以随时被添加进来，是一种online的技术。

			缺点：

			1、计算低效。每一个待预测项必须和所有其他数据进行比较。2、寻找合理的缩放因子的过程很乏味、计算和评估的计算工作量很大。
		
分级聚类
			
它是构造一颗由所有数据项构成的树的过程。

			工作方式：寻找两个距离最接近的数据项，将它们合二为一，新聚类的"位置"等于原两个数据项位置的均值。重复此过程，直到每个数据项都被包含在了一个大的聚类中为止。
			
任何一个具有一个或多个数值属性的数据集
			
1、给出一个相关系数度量方法

			2、分级聚类

			3、绘制分级聚类树状图
			
优点：

			1、层级结构可以显示为树状图的形状，易于解读

			2、面对一个全新的数据集，并不清楚想要多少群组时可通过分级聚类观察出哪些群组最接近
		
K-Means聚类
			
它是将数据拆分到不同群组的方法。

			工作方式：随机产生K个中心点的位置，将每个数据项都分配到距离最近的中心点。将中心位置移到分配给原中心点的所有项的平均位置处。重复上述聚类步骤。直到中心位置不再变化或达到某阈值。
			
任何一个具有一个或多个数值属性的数据集
			
1、给出想要的群组数量

			2、给出一个相关系数度量方法

			3、K-means聚类

			4、打印分类群组结果
			
优点：

			1、聚类得到的群组易于打印和识别
		
模拟退火算法
			
以一个随机推测的题解开始，以此为基准随机选择一个方向，找到另一个近似解，判断其成本值。如果新题解的成本值小，则替换原题解。如果成本值更大，则用概率觉得是否取代原题解。迭代至温度几乎为0时，返回题解。
			
给定定义域和成本函数的优化问题
			
1、确定变量定义域domain

			2、定义成本函数costf
			
　
		
遗传算法
			
以一组种群题解开始，筛选出其中成本值最低的精英题解，利用变异、交叉的修改方法将精英题解扩充到原种群大小，称新得到的这个种群为下一代。迭代至一定代数或成本值达到某阈值或种群不再改变，返回成本值最低的作为最优解。
			
给定定义域和成本函数的优化问题
			
1、确定变量定义域domain

			2、定义成本函数costf
			
　
		
非负矩阵因式分解NMF
			
　
			
　
			
　
			
　
		

Python 机器学习常用模型
python基础教程
python基础系列教程——Python的安装与测试：python解释器、PyDev编辑器、pycharm编译器
python基础系列教程——Python库的安装与卸载
python基础系列教程——Python3.x标准模块库目录
python基础系列教程——Python中的编码问题，中文乱码问题
python基础系列教程——python基础语法全解
python基础系列教程——python中的正则表达式全解
 python数据分析系列教程——python对象与json字符串的相互转化，json文件的存储与读取
python基础系列教程——python面向对象编程全解
python基础系列教程——数据结构（列表、元组、字典、集合、链表）
python应用教程
python应用系列教程——python使用socket创建udp服务器端和客户端
python应用系列教程——python使用socket创建tcp服务器和客户端
python应用系列教程——python使用SocketServer实现网络服务器，socket实现客户端
python应用系列教程——python使用scapy监听网络数据包、按TCP/IP协议进行解析
python应用系列教程——python使用smtp上传邮件，使用pop3下载邮件
python应用系列教程——python使用smtp协议发送邮件：html文本邮件、图片邮件、文件附件邮件
python应用系列教程——python中ftp操作：连接、登录、获取目录，重定向、上传下载，删除更改
python应用系列教程——python操作office办公软件word
python应用系列教程——python操作office办公软件（excel）
python应用系列教程——python的GUI界面编程Tkinter全解
python后台架构Django教程
python后台架构Django开发全解
python后台架构Django教程——manage.py命令
python后台架构Django教程——项目配置setting
python后台架构Django教程——连接读写mysql数据库
python后台架构Django教程——数据模型Model
python后台架构Django教程——视图views渲染
python后台架构Django教程——templates模板
python后台架构Django教程——路由映射urls
python后台架构Django教程——admin管理员站点
python后台架构Django教程——日志系统
python自动化测试教程
python测试系列教程 —— 单元测试unittest
python测试系列教程 —— 调试日志logging
python测试系列教程——python+Selenium自动化测试框架
python网络爬虫教程
抓包工具Fiddler的使用说明
python网络爬虫系列教程——python中urllib、urllib2、cookie模块应用全解
python网络爬虫系列教程——python中pyquery库应用全解
python网络爬虫系列教程——python中lxml库应用全解（xpath表达式）
python网络爬虫系列教程——python中requests库应用全解
python网络爬虫系列教程——python中BeautifulSoup4库应用全解
python网络爬虫系列教程——PhantomJS包应用全解
python网络爬虫系列教程——Scrapy框架应用全解
python网络爬虫系列教程——Python+PhantomJS +Selenium组合应用
python网络爬虫系列教程——python网络数据爬虫误区，让你的爬虫更像人类
python数据分析存储教程
python数据分析系列教程——NumPy全解
python数据分析系列教程——Pandas全解
python数据存储系列教程——xls文件的读写
python数据存储系列教程——python对象与json字符串的相互转化，json文件的存储与读取
python数据存储系列教程——python（pandas）读写csv文件
python数据存储系列教程——python操作sqlite数据库：连接、增删查改、指令执行
python数据存储系列教程——python中mysql数据库操作：连接、增删查改、指令执行
python数据存储系列教程——python中mongodb数据库操作：连接、增删查改、多级路径
python可视化教程
python数据可视化系列教程——matplotlib绘图全解
python爬虫助手
各大网站RSS订阅源地址
腾讯股票接口、和讯网股票接口、新浪股票接口、雪球股票数据、网易股票数据
抓包工具Fiddler的使用说明
python爬虫案例
python爬虫案例——csdn数据采集
python爬虫案例——糗事百科数据采集
python爬虫案例——百度贴吧数据采集
python爬虫案例——爬取西刺免费代理服务器IP等信息
python爬虫案例——东方财富股票数据采集
python爬虫案例——证券之星股票数据采集
python爬虫案例——新浪腾讯股票数据采集
python爬虫案例系列教程——根据网址爬取中文网站，获取标题、子连接、子连接数目、连接描述、中文分词列表
python爬虫案例系列教程——python爬取百度新闻RSS数据
python机器学习算法案例
机器学习书籍推荐
人工智能、机器学习、深度学习、数据挖掘、数据分析区分
数据挖掘工程师知识体系
特征工程：
python机器学习案例系列教程——GBDT构建新特征
关联挖掘：
python机器学习案例系列教程——关联分析（Apriori、FP-growth）
分类：
python机器学习案例系列教程——决策树（ID3、C4.5、CART）
python机器学习案例系列教程——基于规则的分类器
python机器学习案例系列教程——K最近邻算法(KNN)、kd树
python机器学习案例系列教程——极大似然估计、EM算法
python机器学习案例系列教程——文档分类器，朴素贝叶斯分类器，费舍尔分类器
python机器学习案例系列教程——优化，寻找使成本函数最小的最优解
python机器学习案例系列教程——线性函数、线性回归、正则化
python机器学习案例系列教程——逻辑分类/逻辑回归/一般线性回归
python机器学习案例系列教程——支持向量机SVM、核方法
python机器学习案例系列教程——集成学习（Bagging、Boosting、RF、AdaBoost、GBDT、xgboost）
python机器学习案例系列教程——GBDT算法、XGBOOST算法
python机器学习案例系列教程——CTR/CVR中的FM、FFM算法
python机器学习案例系列教程——LightGBM算法
聚类：
python机器学习案例系列教程——层次聚类
python机器学习案例系列教程——BIRCH聚类
python机器学习案例系列教程——k均值聚类、k中心点聚类
python机器学习案例系列教程——DBSCAN密度聚类
[python机器学习案例系列教程——网格聚类]
python机器学习案例系列教程——聚类算法总结
推荐系统：
python机器学习案例系列教程——推荐系统
搜索引擎：
python数据挖掘案例系列教程——python神经网络实现搜索引擎
图论：

python机器学习案例系列教程——最小生成树（MST）的Prim算法和Kruskal算法
机器学习总结
机器学习案例系列教程——算法总结
机器学习案例系列教程——损失函数总结
机器学习案例系列教程——优化方法总结（梯度下降法、牛顿法、拟牛顿法、共轭梯度法等）
机器学习案例系列教程——距离度量方法总结
机器学习案例系列教程——模型评估总结
python机器学习库教程
python机器学习系列教程——深度学习框架比较TensorFlow、Theano、Caffe、SciKit-learn、Keras
python机器学习库xgboost——xgboost算法
python自然语言处理库教程
NLP自然语言处理库系列教程——结巴中文分词
NLP自然语言处理库系列教程——gensim库
python机器学习库sklearn教程
python机器学习库sklearn——生成样本数据
python机器学习库sklearn——数据预处理
python机器学习库sklearn——特征提取
python机器学习库sklearn——特征选择
python机器学习库sklearn——K最近邻、K最近邻分类、K最近邻回归
python机器学习库sklearn——决策树
python机器学习库sklearn——k均值聚类
python机器学习库sklearn——BIRCH聚类
python机器学习库sklearn——DBSCAN密度聚类
python机器学习库sklearn——文档贝叶斯分类器
python机器学习库sklearn——线性回归
python机器学习库sklearn——岭回归（Ridge、RidgeCV）（L2正则化）
python机器学习库sklearn——Lasso回归（L1正则化）
python机器学习库sklearn——逻辑分类
python机器学习库sklearn——支持向量机svm
python机器学习库sklearn——SGD梯度下降法
python机器学习库sklearn——降维
python机器学习库sklearn——神经网络（分类、回归）
python机器学习库sklearn——集成方法（Bagging、Boosting、随机森林RF、AdaBoost、GBDT）
python机器学习库sklearn——多类、多标签、多输出
python机器学习库sklearn——参数优化（网格搜索GridSearchCV、随机搜索RandomizedSearchCV）
python机器学习库sklearn——交叉验证（K折、留一、留p、随机）
python机器学习库sklearn——模型度量
python深度学习系列教程
零基础入门深度学习(1) - 感知器
零基础入门深度学习(2) - 线性单元和梯度下降
零基础入门深度学习(3) - 神经网络和反向传播算法
零基础入门深度学习(4) - 卷积神经网络
零基础入门深度学习(5) - 循环神经网络
零基础入门深度学习(6) - 长短时记忆网络(LSTM)
零基础入门深度学习(7) - 递归神经网络
python深度学习案例教程
python神经网络案例——FC全连接神经网络实现mnist手写体识别
python神经网络案例——CNN卷积神经网络实现mnist手写体识别
python深度学习库tensorflow教程
python深度学习库tensorflow——实现FC全连接神经网络识别mnist手写体
python深度学习库keras教程
 python深度学习库keras——安装
python深度学习库keras——各类网络层
python深度学习库keras——网络建模
python深度学习库keras实例教程
python机器学习库keras——线性回归、逻辑回归、一般逻辑回归
python机器学习库keras——CNN卷积神经网络识别手写体
python机器学习库keras——CNN卷积神经网络人脸识别
python机器学习库keras——AutoEncoder自编码、特征压缩
python深度学习库教程
python深度学习库系列教程——python调用opencv库教程
python分布式计算hadoop+hive+hbase+spark教程
hadoop、hbase、hive、spark分布式系统架构原理
centos7下搭建hadoop、hbase、hive、spark分布式系统架构
hadoop+hive+hbase+spark补充内容
spark 常用函数介绍（python）
shell编程
sql优化的几种方法
Hbase数据结构+基本语法
Hadoop Hive sql 语法详解