机器学习开放基础课程

免费
关注

机器学习开放基础课程是实验楼经由 Open Machine Learning Course 授权并制作的机器学习免费基础实战课。该课程适合于对机器学习感兴趣的用户,需要具备基础的 Python 编程能力和数学水平。

实验1
使用 Pandas 进行数据探索
知识点: 1.排列 2.索引 3.交叉表 4.透视表 5.数据探索
挑战1
人口收入普查数据探索
实验2
Python 数据可视化分析
知识点: 1.单变量可视化的常用方法 2.多变量可视化的常用方法 3.tSNE
挑战2
心血管疾病数据探索分析
实验3
决策树和 K 近邻分类
知识点: 1.决策树 2.最近邻方法 3.交叉验证
挑战3
决策树和随机森林分析应用
实验4
线性回归和线性分类器
知识点: 1.回归 2.线性分类 3.逻辑回归的正则化 4.逻辑回归的优缺点 5.验证和学习曲线
挑战4
逻辑回归用于讽刺文本检测
实验5
集成学习和随机森林方法
知识点: 1.集成 2.Bootstraping 3.Bagging 4.随机森林 5.特征重要性
挑战5
构建信用评分预测分类模型
实验6
特征工程和特征选择
知识点: 1.特征提取 2.特征转换 3.特征选择
挑战6
红酒质量数据回归探索
实验7
主成分分析和聚类
知识点: 1.PCA降维 2.KMeans 3.近邻传播 4.谱聚类 5.凝聚聚类
挑战7
非监督学习应用练习
实验8
随机梯度下降和独热编码
知识点: 1.随机梯度下降 2.在线学习 3.独热编码 4.哈希技巧
挑战8
线性回归和随机梯度下降
实验9
时间序列处理与应用
知识点: 1.时间序列 2.SARIMA 3.线性回归 4.XGBoost 5.Prophet
挑战9
时间序列分析应用练习