启智社区，确实给力

当前位置：首页 > 学习 > 实训 >

机器学习---原理与实践

机器学习---原理与实践

  • 来源：头歌教研中心
  • 章节：6 单元：24

  • 课程研发组

  • 詹德川

  • 魏通
进入实训课程

课程简介：

机器学习(Machine Learning)是一门多领域交叉学科，涉及概率论、统计学、最优化、算法复杂度理论等多个学科方向。专门研究如何借助计算机模拟实现人类的学习行为，以获取新的知识或技能，或者更好地组织已有的知识结构。机器学习是人工智能的核心，是使计算机具有智能的根本途径之一，其应用遍及人工智能的各个领域。
本实训课程包含了一系列机器学习实训内容，按照深入浅出算法原理，使用框架实战演练的思路，给各位学习者设计了一门清晰的从入门到精通的机器学习学习路径，助你轻松地掌握常见的机器学习算法的思想，为以后人工智能的学习打好基础。本套实验参考教材为南京大学周志华教授的著作《机器学习》：

课程章节：

机器学习基础

本阶段主要介绍机器学习中非常基础但又非常重要的常识，如什么是机器学习、机器学习主要能够完成哪些任务、机器学习常用术语等。

广义线性模型

本阶段主要介绍广义线性模型中非常经典的几种算法：线性回归、逻辑回归、感知机、线性判别分析以及多分类学习。虽然逻辑回归是分类算法，但是它借鉴了线性回归的思想来解决分类问题。因此您在学习的过程中可以体会这两种算法之间的联系。

常用分类算法

本阶段主要介绍几种常用的分类算法，例如kNN、决策树、支持向量机、朴素贝叶斯分类、神经网络等。在学习的过程中，建议您体会并总结这些算法之间的区别与联系。

集成学习算法

本阶段主要分别介绍集成学习中两种经典算法：adaboost算法和随机森林算法。建议您体会并总结这两种算法之间的区别与联系。

常用聚类算法

本阶段主要介绍几种常用的聚类算法，例如K-Means算法、DBSCAN算法、AGNES算法、高斯混合聚类算法。在学习的过程中，建议您体会并总结这些算法之间的区别与联系。

降维算法

本阶段主要介绍维度灾难以及降维经典算法PCA，带您感受降维的重要性。