零基础实战机器学习（Python语言、算法、Numpy库、MatplotLib...

mind

资源来自互联网分享，侵权请告知删除。
如链接失效，请联系管理


零基础实战机器学习（Python语言、算法、Numpy库、MatplotLib）

课程背景：
        机器学习作为人工智能的一部分，已经应用于很多领域，远超过人们的想象，垃圾邮件的过滤，在线广告的推荐系统，还有目前发展飞快的物体识别、人脸识别和语音识别的发展，都是机器学习的应用的成果。机器学习在改善商业决策、提高生产率、检测疾病、预测天气等方面都有非常大的应用前景。

课程研发环境：
        本课程的代码实现是基于Python语言，用到Numpy库和MatplotLib.

开发工具:
        Python win

课程简介：
        本教程系统的介绍了机器学习的目的和方法。并且针对每一种常用的方法进行了详细的解析，用实例来说明具体的实现，学生可以跟着一步步完成。在面对现实的问题的时候，可以找到非常可靠的参照。本课程在最开始讲解了Python语言的基础知识，以保证后面的课程中可以顺利进行。更多的Python语言的知识，需要学员自己去找更多的资料进行学习。

        本课程主要讲述了两大类机器学习的方法：有监督学习和无监督学习，其中有监督学习里面，又分为分类和预测数值型数据。这些算法都是基础的算法。这样可以降低学习的难度，容易理解机器学习思路和实现的过程。

课程目录：
第一讲：机器学习的任务和方法
第二讲：Python语言基础
第三讲：Python语言基础2
第四讲：分类算法介绍
第五讲：k-临近算法
第六讲：决策树
第七讲：基于概率论的分类方法：朴素贝叶斯
第八讲：Logistic回归
第九讲：支持向量机
第十讲：利用AdaBoost元算法提高分类性能
第十一讲：利用回归预测数值型数据
第十二讲：树回归
第十三讲：无监督学习
第十四讲：利用K-均值聚类算法对未标注数据分组
第十五讲：使用Apriori算法进行关联分析
第十六讲：使用FP-growth算法来高效发现频分项集
第十七讲：利用PCA来简化数据
第十八讲：利用SVD简化数据
第十九讲：大数据与MapReduce
第二十讲：学习总结

        资料包

下载地址：

试读已结束，请付费阅读全文。

￥ 2.00付费阅读

登录后可特价购买

  本文只能试读89%,付费后可阅读全文。 

fragment

看看看看看看