机器学习

第一章、介绍机器学习，什么是机器学习

a) 简单介绍机器学习，数据挖掘

b) 机器学习和数据挖掘的基本概念和原理

c) 机器学习用来解决什么问题

第二章、机器学习的应用场景

1) 机器学习应用场景之一------分类以及分类的应用场景

a) 分类概念

b) 分类的应用

c) 分类和聚类、推荐的区别

d) 分类工作原理

e) 分类中概念术语

f) 分类项目工作流

g) 如何定义预测变量

h) 线性分类器的介绍，及贝叶斯分类器

i) 决策树分类器的介绍，及随机森林分类器

j) 如何使用贝叶斯分类器和随机森林分类器的代码展示

2) 机器学习应用场景之二------聚类以及聚类的应用场景

a) 聚类概念

b) 聚类步骤流程

c) 聚类中的距离测度

d) 讲解K-means聚类

e) K-means聚类算法展示

f) 聚类其他算法

g) 介绍TF-IDF

h) 归一化

i) 微博聚类案例

3) 机器学习应用场景之三------回归以及回归预测的应用场景

a) 回归的概念

b) 回归的步骤和相关算法

c）逻辑回归，岭回归，lasso回归

d）回归案例—预测房价，预测太阳黑子活动周期，预测电量等

第三章、机器学习的分类，聚类以及回归的具体项目案例

a) 今日头条，网易，腾讯新闻的新闻类目分类

b) 互联网用户画像的聚类划分

c) 北京，上海的房价预测；A股股价预测；居民用电量预测