你将学到的
  • Pandas 数据预处理
  • K-近邻
  • 线性回归
  • 特征工程
  • 聚类
  • 时间序列数据处理
  • 决策树
  • 随机森林
  • 逻辑回归
  • 主成分分析
  • 梯度下降法
课程内容
共18个章节
课程介绍

实验任务

  • 使用 Pandas 进行数据探索
  • 使用 Pandas 进行数据可视化
  • 学习决策树算法的基本原理,并动手实现
  • 学习 K-近邻算法基本原理,并动手实现
  • 使用交叉验证完成模型选择
  • 学习线性回归于逻辑回归数学原理,并使用 sklearn 实现
  • 学习集成算法思想,并使用 sklearn 实现
  • 学习常用聚类方法,并使用 sklearn 实现
  • 学习常用的时间序列数据处理方法,并动手实现

先学知识

课程难度

本课程难度为中等偏上。

面向用户

本课程主要讲解机器学习常见算法,整体难度中等偏上,该课程适合于对机器学习感兴趣且数学相对较好的用户。

课程教师

huhuhang 共发布过 34 门课程

查看老师的所有课程 >
返回旧版