Class Central is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

Southwestern University of Finance and Economics

机器学习

Southwestern University of Finance and Economics via XuetangX

Overview

Coursera Flash Sale
40% Off Coursera Plus for 3 Months!
Grab it

       准备好迎接机器学习的奇妙旅程了吗?加入我们的在线课程,让我们一起探索这个让机器变得聪明的神奇领域!从人工智能的摇篮到现代社会的核心,机器学习已经从简单的算法演变成了可以预测股市、诊断疾病、甚至在你说“我饿了”的时候推荐美食的超级英雄。在这个课程中,我们将带你穿越机器学习的各个阶段,从最基础的术语和概念开始,每一步都充满了发现和创新。你将学习如何让计算机通过数据找到模式,预测未来,并做出智能决策。我们将一起探索如何使用逻辑回归处理分类问题,如何通过KNN算法找到数据的近邻,以及如何利用朴素贝叶斯进行概率预测。

但这还不是全部!我们还将深入决策树,了解它们如何帮助我们分类和回归;探索支持向量机,揭示它们在高维空间中如何找到最佳边界;并且通过聚类方法,我们将学习如何无监督地发现数据中的隐藏结构。

       这个课程不仅仅是关于理论的学习,更是关于实践和应用的体验。我们将通过丰富的案例和实验,让您亲身体验机器学习的力量。无论您是数据科学的新手还是希望提升技能的专业人士,这个课程都将为您提供必要的知识和技能,帮助您在机器学习的世界中找到自己的位置。

       所以,如果你对让计算机学会识别你的猫、预测天气、或者只是想在聚会上显摆一下你的数据科学技能感兴趣,那就快来加入我们吧!我们保证,这不仅是一次学习之旅,更是一次对未来的探索和准备。让我们一起,用数据科学的力量,开启智能新纪元!


Syllabus

  • 1 机器学习准备
    • 1.1 机器学习概念
    • 1.2 机器学习任务
    • 1.3 机器学习术语
    • 1.4 机器学习评估
  • 2 线性回归模型
    • 2.1 线性回归概念
    • 2.2 最小二乘法
    • 2.3 梯度下降法
  • 3 逻辑回归模型
    • 3.1 二分类问题
    • 3.2 逻辑回归求解
  • 4 KNN模型
    • 4.0 算法思想与距离度量
    • 4.1 KNN算法流程
    • 4.2 KD树构建与查询
  • 5 朴素贝叶斯模型
    • 5.0 贝叶斯理论
    • 5.1 贝叶斯分类器
    • 5.2 案例分析
  • 6 决策树
    • 6.1 概念及应用
    • 6.2 特征选择(上)
    • 6.3 特征选择(下)
    • 6.4 决策树的生成
    • 6.5 决策树的剪枝
  • 7 支持向量机
    • 7.1 思想和学习算法
    • 7.2 对偶算法
    • 7.3 线性不可分支持向量机
    • 7.4 合页损失函数
  • 8 聚类方法
    • 8.1 概念与应用
    • 8.2 距离与类
    • 8.3 层次聚类
    • 8.4 K均值聚类(上)
    • 8.5 K均值聚类(下)

Taught by

HUANG CHI and GAO QIANG

Tags

Reviews

Start your review of 机器学习

Never Stop Learning.

Get personalized course recommendations, track subjects and courses with reminders, and more.

Someone learning on their laptop while sitting on the floor.