
Python機(jī)器學(xué)習(xí)學(xué)術(shù)應(yīng)用培訓(xùn)
第一部分:機(jī)器學(xué)習(xí)學(xué)術(shù)應(yīng)用介紹:
機(jī)器學(xué)習(xí)基本思想
常用機(jī)器學(xué)習(xí)算法模型
機(jī)器學(xué)習(xí)算法庫介紹
機(jī)器學(xué)習(xí)在學(xué)術(shù)領(lǐng)域應(yīng)用場景
第二部分:算法原理與實(shí)戰(zhàn)
1、KNN算法:
KNN算法基本原理
常用相似度衡量方法、KNN用于分類和回歸
KNN模型參數(shù)優(yōu)化
Python案例:KNN用于鳶尾花數(shù)據(jù)集分類
2、決策樹:
決策樹基本原理
決策樹分類
決策樹用于分類和回歸實(shí)現(xiàn)
決策樹參數(shù)優(yōu)化
Python案例:決策樹實(shí)現(xiàn)波士頓房價(jià)預(yù)測
3、線性回歸:
線性回歸的求解、嶺回歸、LASSO和彈性網(wǎng)
Python案例:線性回歸實(shí)現(xiàn)鮑魚年齡預(yù)測
4、邏輯回歸:
邏輯回歸基本原理
從線性回歸到邏輯回歸
邏輯回歸實(shí)現(xiàn)和參數(shù)優(yōu)化
Python案例:邏輯回歸實(shí)現(xiàn)病馬死亡率預(yù)測
5、神經(jīng)網(wǎng)絡(luò):
神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
神經(jīng)網(wǎng)絡(luò)中的激活函數(shù)
神經(jīng)網(wǎng)絡(luò)Python實(shí)現(xiàn)與參數(shù)調(diào)優(yōu)
Python案例:手寫數(shù)字識(shí)別
6、貝葉斯網(wǎng)絡(luò):
貝葉斯分類原理
樸素貝葉斯
貝葉斯模型分類
Python案例:垃圾郵件過濾
7、支持向量機(jī):
支持向量機(jī)分類原理
線性SVM和非線性SVM
Python案例:人臉識(shí)別
8、隨機(jī)森林:
決策樹與隨機(jī)森林
隨機(jī)森林原理
隨機(jī)森林Python實(shí)現(xiàn)與參數(shù)調(diào)優(yōu)
Python案例:隨機(jī)森林用于泰坦尼克沉船預(yù)測
9、聚類:
聚類原理
聚類和分類
k-means聚類原理
k-means python實(shí)現(xiàn)
Python案例:聚類用于客戶價(jià)值識(shí)別
第三部分:Python機(jī)器學(xué)習(xí)學(xué)術(shù)應(yīng)用指導(dǎo)
數(shù)據(jù)發(fā)現(xiàn)與變量創(chuàng)造,預(yù)測,因果推斷;
文本大數(shù)據(jù)應(yīng)用;
基于機(jī)器學(xué)習(xí)的學(xué)術(shù)論文寫作指導(dǎo)