http://www.cnblogs.com/pinard 刘建平Pinard
之前不少朋友反应我博客中的代码都是连续的片段，不好学习，因此这里把文章和代码做一个整理。 代码有部分来源于网络，已加上相关方版权信息。部分为自己原创，已加上我的版权信息。
2016-2017年写的博客使用的python版本是2.7， 2018年因为TensorFlow对Python3的一些要求，所以写博客使用的Python版本是3.6。少部分2016，2017年的博客代码无法找到，重新用Python3.6跑过上传，因此可能会出现和博客中代码稍有不一致的地方，主要涉及到print的语法和range的用法，若遇到问题，稍微修改即可跑通。
| 文章 | 代码 |
|---|---|
| 集成学习原理小结 | 无 |
| 集成学习之Adaboost算法原理小结 | 无 |
| scikit-learn Adaboost类库使用小结 | 代码 |
| 梯度提升树(GBDT)原理小结 | 无 |
| scikit-learn 梯度提升树(GBDT)调参小结 | 代码 |
| Bagging与随机森林算法原理小结 | 无 |
| scikit-learn随机森林调参小结 | 代码 |
| XGBoost算法原理小结 | 无 |
| XGBoost类库使用小结 | 代码 |
| 文章 | 代码 |
|---|---|
| K-Means聚类算法原理 | 无 |
| 用scikit-learn学习K-Means聚类 | 代码 |
| BIRCH聚类算法原理 | 无 |
| 用scikit-learn学习BIRCH聚类 | 代码 |
| DBSCAN密度聚类算法 | 无 |
| 用scikit-learn学习DBSCAN聚类 | 代码 |
| 谱聚类（spectral clustering）原理总结 | 无 |
| 用scikit-learn学习谱聚类 | 代码 |
| 文章 | 代码 |
|---|---|
| 主成分分析（PCA）原理总结 | 无 |
| 用scikit-learn学习主成分分析(PCA) | 代码 |
| 线性判别分析LDA原理总结 | 无 |
| 用scikit-learn进行LDA降维 | 代码 |
| 奇异值分解(SVD)原理与在降维中的应用 | 无 |
| 局部线性嵌入(LLE)原理总结 | 无 |
| 用scikit-learn研究局部线性嵌入(LLE) | 代码 |
| 文章 | 代码 |
|---|---|
| 典型关联分析(CCA)原理总结 | 无 |
| Apriori算法原理总结 | 无 |
| FP Tree算法原理总结 | 无 |
| PrefixSpan算法原理总结 | 无 |
| 用Spark学习FP Tree算法和PrefixSpan算法 | 代码 |
| 日志和告警数据挖掘经验谈 | 无 |
| 文章 | 代码 |
|---|---|
| 协同过滤推荐算法总结 | 无 |
| 矩阵分解在协同过滤推荐算法中的应用 | 无 |
| SimRank协同过滤推荐算法 | 无 |
| 用Spark学习矩阵分解推荐算法 | 代码 |
| 分解机(Factorization Machines)推荐算法原理 | 无 |
| 贝叶斯个性化排序(BPR)算法小结 | 无 |
| 用tensorflow学习贝叶斯个性化排序(BPR) | 代码 |
| 文章 | 代码 |
|---|---|
| 特征工程之特征选择 | 无 |
| 特征工程之特征表达 | 无 |
| 特征工程之特征预处理 | 无 |
| 用PMML实现机器学习模型的跨平台上线 | 代码 |
| tensorflow机器学习模型的跨平台上线 | 代码 |
你的支持是我写作的动力(1.微信/2.支付宝)：
License MIT.