课程介绍:
本课程特点是从数学层面推导最经典的机器学习算法,以及每种算法的示例和代码实现(Python)、如何做算法的参数调试、以实际应用案例分析各种算法的选择等。
特色内容:
1. 拒绝简单的“调包”——增加3次“机器学习的角度看数学”和3次“Python数据清洗和特征提取”,提升学习深度、降低学习坡度。
2. 增加网络爬虫的原理和编写,从获取数据开始,重视将实践问题转换成实际模型的能力,分享工作中的实际案例或Kaggle案例:广告销量分析、环境数据异常检测和分析、数字图像手写体识别、Titanic乘客存活率预测、用户-电影推荐、真实新闻组数据主题分析、中文分词、股票数据特征分析等。
3. 强化矩阵运算、概率论、数理统计的知识运用,掌握机器学习根本。
4. 阐述机器学习原理,提供配套源码和数据;确保“懂推导,会实现”。
5. 删去过于晦涩的公式推导,代之以直观解释,增强感性理解。
6. 重视项目实践(如工业实践、Kaggle等),重视落地。
7. 对比不同的特征选择带来的预测效果差异。
8. 思考不同算法之间的区别和联系,提高在实际工作中选择算法的能力。
9. 涉及和讲解的部分Python库有:Numpy/Scipy/matplotlib/Pandas/scikit-learn/XGBoost/libSVM/LDA/Gensim/NLTK/HMMLearn,涉及的其他“小”库在课程的实践环节会逐一讲解。
10. 每个算法模块按照“原理讲解->自己动手实现->使用已有机器学习库”的顺序,切实做到“顶天立地”。
课程截图:
〖课程目录〗:
- | └──邹博机器学习升级4(2017年3月14)
- | | ├──代码(www.52download.cn)_ppt
- | | | ├──1.机器学习与数学分析.pdf 5.92M
- | | | ├──10.RandomForest代码.zip 32.91M
- | | | ├──10.决策树和随机森林实践.pdf 1.48M
- | | | ├──11.提升.pdf 1.68M
- | | | ├──12.XGBoost代码.zip 750.07kb
- | | | ├──12.XGBoost实践.pdf 1.38M
- | | | ├──13.SVM.pdf 2.33M
- | | | ├──14.SVM代码.zip 13.85M
- | | | ├──14.SVM实践.pdf 1.85M
- | | | ├──15.聚类.pdf 6.59M
- | | | ├──16.Clustering代码.zip 3.15M
- | | | ├──16.聚类实践.pdf 1.98M
- | | | ├──17.EM算法.pdf 1.76M
- | | | ├──18.EM代码.zip 666.70kb
- | | | ├──18.EM算法实践.pdf 1.62M
- | | | ├──19.贝叶斯网络.pdf 3.34M
- | | | ├──2.概率论与贝叶斯先验.pdf 3.95M
- | | | ├──20.BayesianNetwork代码.zip 2.75M
- | | | ├──20.贝叶斯网络实践.pdf 1.41M
- | | | ├──21.主题模型.pdf 2.69M
- | | | ├──22.LDA_代码.zip 4.90M
- | | | ├──22.主题模型实践.pdf 2.39M
- | | | ├──23.HMM.pdf 1.71M
- | | | ├──24.HMM_代码.zip 32.30M
- | | | ├──24.HMM实践.pdf 2.72M
- | | | ├──3.矩阵和线性代数.pdf 2.25M
- | | | ├──4.Python代码.zip 15.36kb
- | | | ├──4.Python基础.pdf 1.46M
- | | | ├──5.Package代码.zip 746.20kb
- | | | ├──5.Python库.pdf 4.20M
- | | | ├──6.7.WordCloud.zip 1.36kb
- | | | ├──6.Data代码.zip 15.87M
- | | | ├──6.数据清洗和特征选择.pdf 2.12M
- | | | ├──7.回归.pdf 4.20M
- | | | ├──8.Regression代码.zip 37.89kb
- | | | ├──8.回归实践.pdf 2.78M
- | | | ├──9.决策树和随机森林.pdf 2.69M
- | | | ├──xgboost-master-(windows上的编译包).zip 1.70M
- | | | └──机器学习应用实验手册.pdf 6.86M
- | | ├──1.机器学习与数学分析.flv 1.05G
- | | ├──10.决策树和随机森林实践.flv 482.25M
- | | ├──11.提升.flv 408.47M
- | | ├──12.XGBoost实践.flv 417.84M
- | | ├──13.SVM.flv 190.87M
- | | ├──14.SVM实践.flv 489.15M
- | | ├──15.聚类.flv 359.77M
- | | ├──16.聚类实践.flv 432.14M
- | | ├──17.EM算法.flv 355.34M
- | | ├──18.EM算法实践.flv 436.39M
- | | ├──19.贝叶斯网络.flv 531.31M
- | | ├──2.概率论与贝叶斯先验.flv 620.34M
- | | ├──20.贝叶斯网络实践.flv 519.96M
- | | ├──21.主题模型.mkv 1.09G
- | | ├──22.主题模型实践.flv 579.40M
- | | ├──23.HMM.flv 367.60M
- | | ├──24.HMM实践.flv 529.48M
- | | ├──3.矩阵和线性代数.flv 435.61M
- | | ├──4.Python基础.flv 613.14M
- | | ├──5.Python库.flv 586.18M
- | | ├──6.数据清洗.flv 223.69M
- | | ├──7.回归.flv 567.17M
- | | ├──8.回归实践.flv 601.98M
- | | └──9.决策树和随机森林.flv 616.14M
声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。