机器学习经典算法剖析

第 1章　正态贝叶斯分类器 1
1.1　原理分析 1
1.2　源码解析 8
1.3　应用实例 13
第 2章　K近邻算法 15
2.1　原理分析 15
· · · · · · (更多)

第 1章　正态贝叶斯分类器 1
1.1　原理分析 1
1.2　源码解析 8
1.3　应用实例 13
第 2章　K近邻算法 15
2.1　原理分析 15
2.2　源码解析 16
2.3　应用实例 22
第3章　支持向量机 25
3.1　原理分析 25
3.2　源码解析 50
3.3　应用实例 71
第4章　决策树 73
4.1　原理分析 73
4.2　源码解析 81
4.3　应用实例 117
第5章　AdaBoost 120
5.1　原理分析 120
5.2　源码解析 123
5.3　应用实例 140
第6章　梯度提升树 142
6.1　原理分析 142
6.2　源码解析 147
6.3　应用实例 158
第7章　随机森林 161
7.1　原理分析 161
7.2　源码解析 163
7.3　应用实例 171
第8章　极端随机树 173
8.1　原理分析 173
8.2　源码解析 173
8.3　应用实例 187
第9章　期望极大值 189
9.1　原理分析 189
9.2　源码解析 202
9.3　应用实例 212
第 10章　神经网络 214
10.1　原理分析 214
10.2　源码解析 220
10.3　应用实例 241
附录A　Win7系统下OpenCV 2.4.9与
Visual Studio 2012
编译环境的配置 244
附录B　Win7系统下QT 5.3.1与
OpenCV 2.4.9 编译环境的
配置 248
附录C　级联分类器 252
参考文献 287
· · · · · · (收起)