一起学机器学习

Dating-with-Machine-Learning

visitor badge

这个春天一起机器学习 —— Python 数据分析课。

Dating-with-python-this-winter 的后续。

机器学习与数据分析

目标

计划总共 14 周,每周两节理论课,

学会机器学习算法基本思想,为模型选择恰当的假设,编写机器学习代码。

前置条件:学过概率统计、线性代数。

课程表

课程文档可以下载文件,用 Typora 在电脑打开。或者上知乎 机器漫游指南

All Cheat Sheets 是几个著名数据分析框架的“作弊表”,有些代码不会写的可以看看就上手。

课节 文档和视频 直播时间(20:00) 课后作业期限(23:59)
1 ML1. 机器学习入门 | 知乎| bilibili 星期三 星期五
2 ML2. 模型评估与选择(数据集构建) | 知乎| bilibili 星期六
3 ML3. 线性模型基础 | 知乎 | bilibili 星期三
4 ML4. 线性回归实验 | ML4. 对数几率回归与广义线性模型 | 知乎| bilibili 星期一
5 ML5. 线性模型识别手写数字 | 知乎 | bilibili 星期三
6 ML6. 层层递进,决策树模型 | 知乎 | bilibili 星期三

课程结构

  1. 机器学习入门
  2. 模型评价与选择:
    1. 经验误差与结构误差
    2. 评价指标
    3. 比较检验与假设检验
  3. 学习理论:频率派和贝叶斯派
  4. 学习理论:PAC 和 VC维
  5. 数据预处理方法
  6. 学习模型:
    1. 最小二乘法线性回归——线性模型
    2. KNN 算法
    3. 决策树
    4. 支持向量机
    5. 梯度提升与随机森林
    6. 贝叶斯分类器
    7. 马尔可夫随机场

参考书目

"Learning from Data"

《统计学习方法》李航

《机器学习》周志华(西瓜书)以及《如何使用本书》

《南瓜书PumpkinBook》 辅助西瓜书

《机器学习实战:基于Scikit-Learn、Keras和 TensorFlow(原书第2版)》

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注