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
上一位老师:胡忠《机器学习闭环系统设计方法》 | 下一位老师:何欣《携手同行:跨部门协同与共生之道》