课程名称:scikit-learn 机器学习入门

4401 人关注
(78637/99817)
课程大纲:

scikit-learn 机器学习入门

 

课程作为机器学习入门课程,将详细介绍 scikit-learn 的使用。

课程包括了线性回归与感知机分类、

支持向量机分类、K-Means 聚类算法、

PCA 主成分分析、随机森林分类与回归、

高斯混合模型等常用的机器学习算法。

1 scikit-learn 介绍和使用

2 SVM 支持向量机算法

3 PCA 主成分分析方法

4 高斯混合模型应用

5 线性回归与感知机

6 K-Means 聚类算法

7 随机森林分类与回归

8 模型验证与模型选择

1
机器学习和 scikit-learn 介绍

1.监督学习概念

2.无监督学习概念

3.机器学习算法

4.scikitlearn工具

2
线性回归与感知机分类

1.线性回归模型

2.感知机分类模型

3.糖尿病数据的拟合

3
支持向量机分类预测

1.理论基础

2.线性分类

3.非线性分类

4
随机森林分类与回归

1.决策树

2.随机森林分类

3.随机森林回归

5
监督学习算法对比评估

1.K近邻算法

2.其他常用监督学习方法

3.常用算法对比评估

6
K-Means 聚类算法应用

1.KMeans聚类

2.KMeans聚类应用

3.K值选择

7
PCA 主成分分析应用

1.主成分分析

2.PCA应用

3.其他降维方法

8
高斯混合模型

1.GMM用于聚类

2.GMM用于密度估计

3.GMM用于异常值检测

9
聚类学习算法对比评估

1.常用聚类算法的概念

2.常用聚类算法的实现

3.常用聚类算法的对比

10
模型验证和模型选择

1.模型验证

2.交叉验证

3.验证曲线

4.学习曲线


登录 后发表评论
新评论
全部 第1节 第2节 第3节 第4节 第5节 第6节 第7节 第8节 第9节 第10节 第11节 第12节 第13节 第14节 第15节 第16节 第17节
我的报告 / 所有报告