楼+ 之机器学习培训

 

1 监督学习回归算法

2 无监督学习聚类算法

3 自动化机器学习

4 监督学习分类算法

5 模型训练、部署和评价

6 项目挑战比赛

1 课程技能准备

课程须知和先学内容

课程内容介绍与导学

2 监督学习回归方法

机器学习综述及示例

1.机器学习介绍

2.监督学习介绍

3.无监督学习介绍

2
线性回归实现与应用

1.一元线性回归

2.平方损失函数

3.小二乘法及代数求解

4.线性回归实现

5.小二乘法的矩阵推导

1
住房价格预测

1.数据集读取与划分

2.模型训练及预测

3.模型评价

3
多项式回归实现与应用

1.多项式回归介绍

2.多项式回归基础

3.多项式回归预测

2
比特币价格预测及绘图

1.数据准备

2.3次多项式回归预测挑战

3.N次多项式回归预测绘图

4
岭回归和 LASSO 回归实现

1.普通小二乘法的局限性

2.希尔伯特矩阵OLS线性拟合

3.岭回归

4.LASSO回归

3
使用矩阵计算岭回归系数

1.使用Python计算岭回归系数

2.使用scikitlearn计算岭回归系数

5
回归模型评价与检验

1.拟合优度检验
2.变量显著性检验

4
回归方法综合实践应用

1.一元线性回归

2.多元线性回归

3.假设检验

6
逻辑回归实现与应用

1.线性可分和不可分

2.Sigmoid分布函数

3.逻辑回归模型

4.对数损失函数

5.梯度下降法
5
梯度下降法实现与应用

1.小二乘法求解线性回归参数

2.梯度下降法求解线性回归参数

7
K-近邻算法实现与应用

1.近邻算法

2.K近邻算法

3.决策规则

4.KNN算法实现

6
K-近邻回归算法实现及应用

1.K近邻回归介绍

2.K近邻回归实现

8
朴素贝叶斯实现与应用

1.条件概率

2.贝叶斯定理

3.朴素贝叶斯原理

4.朴素贝叶斯算法实现

5.极大似然估计

7
高斯分布函数实现及绘图

1.高斯分布公式

2.高斯分布函数

9
分类模型评价方法

1.准确率

2.查准率

3.召回率

4.F1值

5.ROC曲线

支持向量机实现与应用

1.线性分类支持向量机

2.拉格朗日对偶性

3.线性支持向量机分类实现

4.非线性分类支持向量机

5.核技巧与核函数

8
支持向量机实现人像分类

1.图像数据预处理

2.支持向量机分类

11
决策树实现与应用

1.决策树算法原理

2.信息增益

3.决策树算法实现

4.学生成绩分类预测

5.决策树可视化

9
决策树模型参数优化及选择

1.CART决策树分类

2.网格搜索参数选择

12
装袋和提升集成学习方法

1.集成学习概念

2.装袋算法Bagging

3.随机森林RandomForest

4.提升算法Boosting

5.梯度提升树GBDT

10
异质集成投票方法应用

1.CART决策树分类

2.网格搜索参数选择

11
使用交叉验证快速选择模型

1.K折交叉验证

2.K折子集均分

3.鲍鱼年龄分类
13
划分聚类方法实现与应用

1.划分聚类介绍

2.KMeans聚类方法

3.中心点移动过程可视化

4.KMeans算法实现

12
使用 K-Means 完成图像压缩

1.图像压缩

2.MiniBatchKMeans聚类

14
层次聚类方法实现与应用

1.层次聚类方法概述

2.自底向上层次聚类法

3.自顶向下层次聚类法

4.BIRCH聚类算法

5.PCA主成分分析

15
主成分分析原理及应用

1.向量的基

2.向量映射

3.方差和协方差

4.特征值和特征向量

5.主成分分析计算

13
层次聚类应用及聚类树绘制

1.层次聚类

2.修剪层次聚类二叉树

实验 16
密度聚类方法实现与应用

1.DBSCAN密度聚类算法

2.DBSCAN聚类算法实现

3.HDBSCAN聚类算法

挑战 14
密度聚类标记异常共享单车
知识点: 1.DBSCAN参数确定 2.HDBSCAN聚类

17
谱聚类及其他聚类方法应用

1.谱聚类

2.拉普拉斯矩阵

3.无向图切图

4.亲和传播聚类

5.MeanShift

15
常用聚类算法对比评估

1.算法对数据形状的适应性

2.相同条件下的算法效率

自动化机器学习综述

1.自动化机器学习概念

2.自动化机器学习目标

19
自动化机器学习实践应用

1.autosklearn框架介绍

2.自动化分类和回归算法

3.自动化机器学习的优劣

16
AutoML 完成手写字符分类

1.MNIST手写字符分类

2.autosklearn框架应用

20
机器学习模型推理与部署

1.模型保存

2.模型部署

3.模型推理

17
蘑菇分类模型部署和推理

1.毒蘑菇分类预测

2.模型部署和推理

21
机器学习模型动态增量训练

1.动态模型

2.增量训练

3.实时手写字符识别

18
在线学习及云端模型部署

1.在线增量学习

2.模型云端部署