《机器学习》PPT课件 黄海广 温州大学

 
课件内容： 
引言 
机器学习课程的引言部分 
1.1 机器学习概述 
1.2 机器学习的类型 
1.3 机器学习的背景知识 
1.4 机器学习的开发流程 
回归 
监督学习算法的回归算法 
2.1 线性回归 
2.2 梯度下降 
2.3 正则化 
2.4 回归的评价指标 
逻辑回归 
监督学习的分类算法，本章介绍逻辑回归算法 
3.1 分类问题 
3.2 Sigmoid函数 
3.3 逻辑回归求解 
3.4 逻辑回归的代码实现 
朴素贝叶斯 
朴素贝叶斯算法的相关知识讲解 
4.1 贝叶斯方法 
4.2 朴素贝叶斯原理 
4.3 朴素贝叶斯案例 
4.4 朴素贝叶斯代码实现 
机器学习实践 
机器学习实践的相关知识 
5.1 数据集划分 
5.2 评价指标 
5.3 正则化、偏差和方差 
机器学习库Scikit-learn 
机器学习库Scikit-learn介绍 
6.1 机器学习库Scikit-learn概述 
6.2 机器学习库Scikit-learn的主要用法 
6.3 机器学习库Scikit-learn的使用案例 
KNN算法 
KNN算法的相关知识讲解 
7.1 距离度量 
7.2 KNN算法 
7.3 KD树划分 
7.4 KD树搜索 
决策树 
决策树算法的相关知识讲解 
8.1 决策树原理 
8.2 ID3算法 
8.3 C4.5算法 
8.4 CART算法 
集成学习 
集成学习的相关知识和几种典型的算法 
9.1 集成学习方法概述 
9.2 AdaBoost和GBDT算法 
9.3 XGBoost算法 
9.4 LightGBM算法 
9.5 集成学习代码实现 
人工神经网络 
人工神经网络概念和反向传播算法 
10.1 人工神经网络概述 
10.2 感知机算法 
10.3 反向传播算法(BP算法) 
支持向量机 
支持向量机的相关知识讲解 
11.1 支持向量机概述 
11.2 线性可分支持向量机 
11.3 线性支持向量机 
11.4 线性不可分支持向量机 
11.5 支持向量机代码实现 
聚类 
无监督学习算法讲解，聚类算法 
12.1 无监督学习概述 
12.2 K-means聚类 
12.3 密度聚类和层次聚类 
12.4 聚类的评价指标 
降维 
无监督学习算法讲解，降维算法 
13.1 降维概述 
13.2 SVD(奇异值分解) 
13.3 PCA(主成分分析) 
关联规则 
无监督学习算法讲解，关联规则 
14.1 关联规则概述 
14.2 Apriori 算法 
14.3 FP-Growth算法 
机器学习项目流程 
一个完整的机器学习项目讲解 
15.1 机器学习项目流程概述 
15.2 数据清洗 
15.3 特征工程 
15.4 数据建模