Bagging与随机森林
上一节
下一节
范茂松 顾丽丽 李渊浩
目录
-
荣誉证书：示范教学课程
-
● 证书原件
-
● 我和周志华院士
-
-
机器学习1 绪论
-
● 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
-
● 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
-
● 3 机器学习基础
-
-
4 科学计算库Numpy
-
● 科学计算库Numpy
-
-
线性回归
-
● 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
-
● 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
-
-
exam
-
● 线性回归
-
● 对数几率回归
-
● 房价预测
-
-
决策树
-
● 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
-
-
支持向量机
-
● 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
-
-
贝叶斯分类器
-
● 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
-
● 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
-
● 聚类算法概述
-
● KMeans算法
-
● 代码实战：KMeans算法实现
-
-
降维算法
-
● 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
-
-
final-exam
-
● exam1
-
● exam2
-
● exam3
-
