课程大纲

应用材料简介 Machine Learning

  • 统计学习与机器学习
  • 迭代和评估
  • 偏差-方差权衡

使用 Python 进行机器学习

  • 库的选择
  • 附加工具

回归

  • 线性回归
  • 泛化和非线性
  • 习题

分类

  • 贝叶斯复习
  • 朴素贝叶斯
  • 逻辑回归
  • K-最近邻
  • 习题

交叉验证和重采样

  • 交叉验证方法
  • Bootstrap
  • 习题

无监督学习

  • K-means 聚类
  • 例子
  • 无监督学习和超越 K 均值的挑战

要求

了解 Python 编程语言。建议基本熟悉统计学和线性代数。

 14 小时

人数


每位参与者的报价

客户评论 (5)

课程分类