课程简介

       该阶段是机器学习的入门课程，主要介绍一些经典的传统机器学习算法，如分类算法：KNN算法，朴素贝叶斯算法，逻辑回归，决策树算法以及随机森林；回归算法：线性回归，岭回归；聚类算法：KMeans算法，结合Python语言实现的经典机器学习库Sikit-Learn库，实现一些小型预测案例。

课程特色|亮点

1. 快速入门机器学习

2. 用简单方式轻松掌握Sikit-Learn机器学习库

课程内容介绍

1. 机器学习概述

a) 人工智能概述

b) 什么是机器学习

c) 机器学习算法分类

d) 机器学习开发流程

e) 学习框架和资料介绍

2. 特征工程

a) 数据集

b) 特征工程介绍

c) 特征抽取

d) 特征预处理

e) 特征降维

f) 主成分分析

3. 分类算法

a) sklearn转换器和估计器

b) K-近邻算法

c) 模型选择与调优

d) 朴素贝叶斯算法

e) 决策树

f) 集成学习方法之随机森林

4. 回归与聚类算法

a) 线性回归

b) 欠拟合与过拟合

c) 线性回归的改进-岭回归

d) 分类算法-逻辑回归与二分类

e) 模型保存和加载

f) 无监督学习-KMeans算法