新工科 课程 机器学习
课程封面
机器学习
大数据 人工智能 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4节 实验
    第三章 关联分析
    第1节 Apriori算法
    第2节 FP-growth算法
    第四章 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
    第五章 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
    第六章 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
    第七章 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
    第八章 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
  • 文档数

    2
  • 题目数

    149
  • 实验数

    40

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 )