ml-exercise 机器学习实战 1.分类 01 机器学习基础 02 k-近邻算法 03 决策树 04 基于概率论的分类方法：朴素贝叶斯 05 逻辑回归 06 支持向量机 07 利用AdaBoost元算法提高分类性能 2.利用回归预测数据型数据 08 预测数据型数据：回归 09 树回归 3.无监督学习 10 利用K-均值聚类算法对未标数据分组 11 使用Apriori算法进行关联分析 12 使用FP-growth算法来高效发现频繁项集 4.其他工具 13 利用PCA来简化数据 14 利用SVD简化数据 15 大数据与MapReduce