課程大綱： Python機器學習學術應用培訓
第一部分：機器學習學術應用介紹：
機器學習基本思想
常用機器學習算法模型
機器學習算法庫介紹
機器學習在學術領域應用場景
第二部分：算法原理與實戰
1、KNN算法：
KNN算法基本原理
常用相似度衡量方法、KNN用于分類和回歸
KNN模型參數優化
Python案例：KNN用于鳶尾花數據集分類
2、決策樹：
決策樹基本原理
決策樹分類
決策樹用于分類和回歸實現
決策樹參數優化
Python案例：決策樹實現波士頓房價預測
3、線性回歸：
線性回歸的求解、嶺回歸、LASSO和彈性網
Python案例：線性回歸實現鮑魚年齡預測
4、邏輯回歸：
邏輯回歸基本原理
從線性回歸到邏輯回歸
邏輯回歸實現和參數優化
Python案例：邏輯回歸實現病馬死亡率預測
5、神經網絡：
神經網絡基礎
神經網絡中的激活函數
神經網絡Python實現與參數調優
Python案例：手寫數字識別
6、貝葉斯網絡：
貝葉斯分類原理
樸素貝葉斯
貝葉斯模型分類
Python案例：垃圾郵件過濾
7、支持向量機：
支持向量機分類原理
線性SVM和非線性SVM
Python案例：人臉識別
8、隨機森林：
決策樹與隨機森林
隨機森林原理
隨機森林Python實現與參數調優
Python案例：隨機森林用于泰坦尼克沉船預測
9、聚類：
聚類原理
聚類和分類
k-means聚類原理
k-means python實現
Python案例：聚類用于客戶價值識別
第三部分：Python機器學習學術應用指導
數據發現與變量創造，預測，因果推斷；
文本大數據應用；
基于機器學習的學術論文寫作指導
加入高級會員獲得助教答疑
