● 证书原件 ● 我和周志华院士

● 机器学习1 绪论 ● 实验：开发环境配置（自行完成）

● 机器学习2 数学基础 ● 实验：Python基础语法与三大结构练习（自行完成） ● 实验参考代码

● 3 机器学习基础

● 科学计算库Numpy

● 一元线性回归 ● 实验：实现一元线性回归（自行完成） ● 多元线性回归 ● 代码实战：解析解求解回归模型 ● Anaconda库与问卷星的使用 ● 代码实战：sklearn实现多元线性回归模型 ● 梯度下降算法 ● 代码实战：批量梯度下降算法求解线性回归 ● 模型的评价 ● 代码实战：随机梯度下降算法 ● 代码实战：小批量梯度下降算法 ● 多项式回归 ● 岭回归及代码实现

● 对数几率回归基本概念 ● 极大似然函数与对数几率回归公式详细推导 ● 代码实战：用sklearn实现对数几率回归 ● 分类问题的模型评价及代码实现 ● 多分类问题及代码实现

● 线性回归 ● 对数几率回归 ● 房价预测

● 决策树基本概念 ● 信息量 信息熵 ● 信息增益及计算实例 ● 信息增益计算 ● 代码实战：sklearn实现决策树 ● ID3缺点分析、C4.5、CART决策树 ● 基尼指数计算实例、预剪枝与后剪枝

● 超平面 ● SVM基本问题 ● 拉格朗日对偶函数与KKT条件 ● 式 6.11求导过程 ● SMO算法 ● 软间隔与正则化 ● 核函数与核方法 ● 代码实战：SVM预测乳腺癌 ● 支持向量回归 ● 代码实战：SVR预测空气质量指数

● 贝叶斯定理 ● 朴素贝叶斯分类器原理 ● 连续值处理方法 ● 代码实战：用sklearn实现贝叶斯分类器预测银行营销数据

● 集成学习概述与Boosting ● AdaBoost算法详解 ● 代码实战：用AdaBoost预测乳腺癌数据 ● Bagging与随机森林 ● 代码实战：用随机森林预测银行营销数据 ● 集成学习组合策略

● 聚类算法概述 ● KMeans算法 ● 代码实战：KMeans算法实现

● 降维算法概述 ● PCA降维算法 ● PCA降维算法2 ● 代码实战：用Sklearn实现PCA算法