机器学习路线
来源:互联网 发布:淄博网络办徐淑娟老公 编辑:程序博客网 时间:2024/06/03 12:54
01 机器学习简介
- 1. 机器学习定义;2. 机器学习行业应用举例;3. 机器学习任务:分类、回归、聚类、降维、半监督学习、迁移学习、强化学习;4. 机器学习算法的组成部分:目标函数(损失函数+正则)、优化方法;5. 模型评估和模型选择:模型复杂度、overfitting、交叉验证、超参数空间、网格搜索…案例:波士顿房价。包含内容——损失函数、L1/L2正则、最小二乘、梯度下降/随机梯度下降。课程目标:熟悉机器学习领域的常用术语,了解机器学习在AI环境中的位置。
02 机器学习实例
- 1. 学习环境配置:常用软件、环境配置及机器学习库;anaconda:Python、Python科学计算包(NumPy,SciPy,Pandas)、Python数据可视化工具包(Matplotlib, seaborn)、Python机器学习库(scikit-learn);2. 特征工程初步;3. 线性回归实现。案例:波士顿房价预测案例详解。包含内容——数据集探索(Pandas、seaborn);复习模型评估和模型选择:交叉验证、网格搜索(Sklearn)。课程目标:学会用机器学习工具包从头到尾用线性回归解决一个实际问题。
03 logistic回归分析和神经网络
- 1. 损失函数:logistic损失;2. 优化算法:IRLS(梯度下降、牛顿法)、BP算法;3. 正则化:L1/ L2;4. 复习模型评估。案例:Otto商品分类。包含内容——用Logistic回归和神经网络实现Otto商品分类。课程目标:理解分类任算法Logistic回归和神经网络原理,复习数据集探索,并学会用sklearn用Logistic回归和(浅层)神经网络实现分类任务。
04支持向量机SVM
- 1. 损失函数:Hingloss损失;2. 优化算法:SOM(神经网络聚类算法)、支持向量机——SMO(序列最小最优化算法);3. 正则化:L2/L1;4. 其他:最小间隔、核方法、支持向量回归。案例:用SVM实现Otto商品分类,重点比较SVM(不同参数正则参数和核函数)与Logistic回归。课程目标:学会用SVM模型分类任务。
- 1. 主成分分析(PCA);2. 独立成分分析(ICA);3. 非负矩阵分解(NFM);4. 隐因子模型(LFM)。案例:人脸图像特征提取:PCA、ICA、NFM、LFM在推荐系统部分案例进行讲解。课程目标:学习用降维技术对高维特征进行降维。
06 聚类
- 1. Kmeans聚类和混合高斯模型GMM(EM算法);2. 吸引子传播聚类算法(Affinity Propagation聚类算法);3. Density Peak聚类算法。案例:1. Iris数据聚类分析:Kmeans、AP what makes Paris;2. Paris: 判别特征发现:聚类分类迭代(SVM、Kmeans)。课程目标:学会常用的聚类算法。
- 1. 数据预处理;2. 特征编码:标签编码、Dummy (One hot) 编码、后验均值编码;3. 特征组合;4. 特征选择。案例:Rent Listing Requries数据探索及特征工程。数据预处理:缺失值处理、异常值处理、数据相关性分析、数据可视化特征编码。课程目标:学会数据预处理常用方法及特征编码方法。
- 1. 损失函数:Gini系数;2. 正则:L1/L2正则、及早停止;3. 优化:分裂;4. Bagging &随机森林。案例:蘑菇分类。包含内容——决策树、随机森林、Logistic回归、参数调优和网格搜索。课程目标:学习Bagging集成思想及基于决策树的集成算法——随机森林。
09 梯度提升决策树(GBDT)
- 1. 第一个Boosting算法:AdaBoost;2. 流行GBDT模型:xgboost、lightGBM。案例:Otto商品分类。包含内容——xgboost及参数调优。课程目标:学会kaggle神器xgboost原理及其在实例任务上的应用。
- 1. 协同过滤(Collaborative filtering,CF);2. 基于内容的过滤;3. FFM & LFM;4. 关联规则。案例:Expedia Hotel Recommendations。课程目标:学习推荐系统和CTR预估的基本技术。
- 1. 排序学习;2. 模型评估。案例:Expedia Hotel Recommendations。课程目标:通过实际案例学会推荐系统实现。
- 1. Blending;2. Stacking。案例:Otto商品分类/Expedia Hotel Recommendations:Stacking。
阅读全文
0 0
- 机器学习学习路线
- 机器学习路线
- 机器学习入门路线
- 机器学习路线
- 机器学习路线
- 机器学习路线
- 机器学习路线
- 机器学习的学习路线
- 简单的机器学习路线
- 机器学习路线(转)
- 机器学习路线与资料
- 机器学习路线(转)
- 机器学习路线及规划
- 机器学习职业进阶路线
- 机器学习0基础学习路线
- 机器学习简介与学习路线
- 机器学习之工程师入门路线
- 机器学习之工程师入门路线
- 【模板】欧拉函数
- IntelliJ IDEA 2017创建第一个Hibernate 5程序
- swagger 环境搭建
- 软件开发优秀资料、工具和框架
- 简易解说拉格朗日对偶(Lagrange duality)
- 机器学习路线
- js函数节流
- Oracle GoldenGate悠远历史
- spring的事物控制
- VirtualBox下扩容vdi文件
- 6-2 单链表元素定位(12 分)
- 676. Implement Magic Dictionary
- java中&和&&的区别?
- 拉丁方块填数字--蓝桥杯国赛历年真题