[子墨学堂][子墨学堂]

整合公开课,精品课程
vip培训视频+讲义资源

深度之眼-机器学习算法应用实战视频课程

深度之眼-机器学习算法应用实战课程介绍

机器学习算法应用实战专栏包含系列代码实战课程,融合《西瓜书》《统计学习方法》《机器学习实战》3本书籍讲解模型实现;算法代码实现+7大项目实操。

机器学习算法工程师课程采用独创的教学模式,详细可规划为模型原理讲解、实例+项目讲解、原生代码实现、使用库函数实现。不仅可以通过简单的调库学代码,还可以通过4步帮助你了解模型原理,掌握调参方法。首先第一步就是模型上原理讲解和算法公式推导;其次是依据算法进行原生代码实现;再是掌握常用库函数实现;最后第四步便是项目实操案例解析。

深度之眼-机器学习算法应用实战视频课程(图1)

深度之眼-机器学习算法应用实战课程目录

第一章 机器学习概述

1、机器学习概述

监督学习部分

第二章 线性回归

2.1线性回归方法简介

2.2线性回归模型

数学符号、假设函数、损失函数、代价函数

2.3梯度下降法绍及进阶

[算法推导]梯度下降法原理及推导

[代码实现]梯度下降法代码实现

使用梯度下降法求解线性回归问题

线性回归代码实现及做特征归一化

批量梯度下降、随机梯度下降、小批量梯度下降

2.4模型评价

几种常见的模型评价指标

2.5欠拟合与过拟合

欠拟合与过拟合

[代码实现] Ridge回归求解与代码实现

[代码实现] LASSO回归求解,举例说明,代码实现

2.6最小二乘法

最小二乘法求线性回归

[代码实现]最小二乘法代码实现

[实战]使用Sklearn实现Ridge, LASSO和ElasticNet

[案例]波士顿房价预测

第三章 逻辑回归

3.1逻辑回归方法简介、假设函数、损失函数、成本函数

3. 2逻辑回归模型

逻辑回归求解

[代码实现]逻辑回归代码实现

3. 3逻辑回归中的正则化问题

逻辑回归的正则化

逻辑回归实现多分类方法

3.4实战:使用Sklearn实现逻辑回归

[案例] :鸢尾花分类

[案例] :手写数字识别

第四章 决策树

4.1决策树简介、熵

4.2决策树模型

4.2.1划分选择

条件熵及计算举例

信息增益、ID3算法

C4.5算法

基尼指数(Gini Index)生成决策树

4.2.2剪枝

决策树剪枝

决策树处理连续值与缺失值

多变量决策树

4.2.3决策树代码实现

熵的计算

划分数据集、选择最好的特征

类别投票表决

决策树递归生成,决策树对新数据进行预测

[实战] : Sklearn实现决策树

[案例] :使用决策树进行个人信用风险评估

数据集介绍、数据预处理

模型评估指标

模型评估,优化

第五章 朴素贝叶斯

5.1贝叶斯决策简介

5.2贝叶斯决策模型

[算法推导]原理及推导

[代码实现]贝叶斯代码实现:训练过程/预测过程

5.3贝叶斯决策模型进阶

[代码实现]拉普拉斯修正及代码实现

朴素贝叶斯如何处理连续型数据

[实战] : Sklearn实现朴素贝叶斯

[案例] : 垃圾邮件识别

深度之眼-机器学习算法应用实战视频课程(图2)

实现原理

[代码实现]

第六章 支持向量机

6.1支持向量机简介

6.2支持向量机模型

目标函数

损失函数

优化方法

原理及推导(包括对偶问题、KTT条件等)

代码实现

6.3支持向量机模型进阶

软间隔SVM

核方法

[实战] : Sklearn实现SVM

[案例] :使用SVM完成人脸识别

无监督学习部分

第七章

支持向量机

7.1 K-means聚类

[算法推导] K-means聚类基本原理及推导

K-means聚类中距离计算方法

[代码实现] K-means聚类代码实现:原生代码

实现/sklearn实现

7.2层次聚类

层次聚类原理及距离计算

层次聚类举例

Sklearn实现层次聚类

7.3密度聚类

Sklearn实现密度聚类

7.4混合高斯模型

高斯混合模型介绍

高斯混合模型参数估计

[代码实现]高斯混合模型原生代码实现

Sklearn实现高斯混合模型

[案例]对亚洲足球队进行聚类分析

第八章

主成分分析

8.1主成分分析介绍

8.2特征值分解算法

[算法推导]协方差矩阵的特征值分解算法

[代码实现]协方差矩阵的特征值分解算法代码实现

8.3奇异值分解算法

[算法推导]基于数据矩阵的奇异值分解算法

[代码实现]基于数据矩阵的奇异值分解算法代码实现

[实战] : Sklearn实现PCA

[案例] : PCA实现照片压缩.

第九章

集成学习

9.1集成学习介绍

9.2 Voting

Voting能够提高准确度的原因

Voting原理

[代码实现] Voting代码实现

9.3 Bagging

Bagging与随机森林及其代码实现

9.4 Boosting

9.5 Adaboost

9.6 GBDT算法

GBDT之 提升和提升树概念

GBDT梯度提升树

9.7 XGBoost

XGBoost介绍,目标函数,正则项

XGBoost求解

XGBoost树结构生成

[代码实现] XGBoost代码实现

9.8 Stacking

Stacking介绍

[代码实现] Stacking 代码实现

第十章

案例综合实战

Case1银行营销策略分析

数据说明

探索性分析

数据预处理与特征I程

模型训练

Case2信用卡反欺诈模型

数据说明:不平衡数据的训练集测试和分割方法

采样之上采样

采样之下采样

建模与调参0457

深度之眼-机器学习算法应用实战视频课程(图3)


未经允许不得转载:[子墨学堂] » 深度之眼-机器学习算法应用实战视频课程
课程获取:

热门推荐

版权声明:本文内容由互联网,该文观点仅代表作者本人.本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任,如发现本站有涉嫌抄袭侵权/违法违规的内容,请发送邮件至 66114921@qq.com 举报,一经查实,本站将立刻删除.

整合公开课,精品课程,vip培训视频+讲义资源-子墨学堂

立即获取
展开