新工科 课程 机器学习
课程封面
机器学习
大数据 人工智能
本课程从机器学习的基本知识导入,讲述数据清洗,特征选择,建模,模型评估和优化,模型选择的基本流程。并讲述了常用的线性回归,逻辑分类,决策树,随机森林,K-近邻,支持向量机以及K-均值聚类算法等,讲解算法的基本原理,结合案例和Python库讲解如何应用算法,以及对应的场景和注意事项。
课程大纲
    第一章 机器学习概论
    第1节 机器学习简介
    第2节 机器学习的方法
    第3节 模型评估与模型选择
    第二章 Python简介
    第1节 python介绍和平台搭建
    第2节 Python基本语法
    第3节 Python数据挖掘
    第5节 实验
    第三章 无监督学习方法
    第1节 聚类分析
    第2节 常用聚类分析方法
    第3节 Python语言主要聚类分析算法函数
    第4节 聚类分析应用举例
    第四章 有监督学习方法(回归问题)
    第1节 kNN(k-最近邻)方法
    第2节 线性回归
    第3节 Logistic回归
    第五章 有监督学习(分类问题)
    第1节 决策树模型
    第2节 支持向量机
    第3节 贝叶斯分类器
    第六章 机器学习方法进阶
    第1节 集成学习
    第2节 神经网络与深度学习
    第七章 机器学习方法应用综合实验案例
    第1节 通讯运营商客户流失案例之单模型分析
    第2节 通讯运营商客户流失案例之集成模型分析
课件资源
  • 视频数

    52
  • 实验数

    12

如果您想对我们的产品和服务更进一步了解
请用下面的方式和我们联系

电子邮箱:business@yundaxue.org(会在1个工作日之内和您接洽)

联系电话:400-828-1210(周一至周五 9:00-18:00 )