# WZU-Machine-Learning

**Repository Path**: zzhzwh/WZU-Machine-Learning

## Basic Information

- **Project Name**: WZU-Machine-Learning
- **Description**: No description available
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 3
- **Forks**: 1
- **Created**: 2022-01-04
- **Last Updated**: 2022-03-14

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

温州大学黄海广机器学习
===========================

[![BILIBILI](https://github.com/Fafa-DL/Lhy_Machine_Learning/blob/main/Mine.png)](https://space.bilibili.com/46880349)

****

```
群内有许多来自不同领域的人才，未来大咖云集的地方哈哈哈；

不定期分享AI干货，提供参与大厂讲座学知识和兼职的机会，点赞关注一起进步；

ppt/pdf支持直链下载，也支持百度云盘全部下载。
```
	
|B站主页|[啥都会一点的研究生](https://space.bilibili.com/46880349)|
|---|---|
|人工智能技术探讨群1|[78174903](https://jq.qq.com/?_wv=1027&k=lY5KVICA)|
|人工智能技术探讨群2|[571218304](https://jq.qq.com/?_wv=1027&k=ZCDCT3xV)|
|人工智能技术探讨群3|[584723646](https://jq.qq.com/?_wv=1027&k=bakez5Yz)|

****

|名称|项目|
|---|---|
|课程主页|[温州大学机器学习](https://www.icourse163.org/course/WZU-1464096179)|
|B站视频合集|[(强推)温州大学黄海广机器学习课程](https://www.bilibili.com/video/BV1Wv411h7kN)|
|百度云资料汇总|[提取码：yr6e](https://pan.baidu.com/s/1OIDsOlvqu7BfmnAu8eU3EQ)|

****

## 课程概述

```
机器学习是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。

这门课中，我们主要讲解经典的机器学习算法，如线性回归、逻辑回归、决策树等，也将讲解近几年才出现的如XGBoost、LightGBM等集成学习算法。此外，这门课还会讲解利用机器学习解决问题的实用技术，还包括Python、Scikit-learn工具的使用等等。

通过这门课，学习者将初步理解主流的机器学习算法，并且可以用机器学习技术解决现实生活中的问题。

与国内外很多非常优秀的机器学习课程或作品相比（如吴恩达机器学习课程、李航老师的统计学习方法、周志华老师的《机器学习》等），本课程对初学者来说，属于“雪中送炭”，而不是“锦上添花”，更适合初学者学习，主要解决初学者的三个问题：就是资料太多，难以取舍；理论性强，初学比较困难； 代码资料比较少。只要有本科三年级以上的数学知识，会一种编程语言，就可以掌握这门课程的绝大部分内容。
```

## 授课目标

```
1、掌握机器学习的基本问题定义、基本模型，对机器学习学科有概览性的认识。

2、掌握目前主流的机器学习算法和模型，并能够根据实际问题的需要选择并实现相应的算法。

3、编程完成机器学习典型应用实例，对机器学习工程编程有初步的训练
```

## 课程大纲

01 引言
    机器学习课程的引言部分

    1.1 机器学习概述
    1.2 机器学习的类型
    1.3 机器学习的背景知识
    1.4 机器学习的开发流程
02回归
    监督学习算法的回归算法

    2.1 线性回归
    2.2 梯度下降
    2.3 正则化
    2.4 回归的评价指标
03 逻辑回归
    监督学习的分类算法，本章介绍逻辑回归算法

    3.1 分类问题
    3.2 Sigmoid函数
    3.3 逻辑回归求解
    3.4 逻辑回归的代码实现
04 朴素贝叶斯
    朴素贝叶斯算法的相关知识讲解

    4.1 贝叶斯方法
    4.2 朴素贝叶斯原理
    4.3 朴素贝叶斯案例
    4.4 朴素贝叶斯代码实现
05 机器学习实践
    机器学习实践的相关知识

    5.1 数据集划分
    5.2 评价指标
    5.3 正则化、偏差和方差
    5.4 机器学习库Scikit-learn概述
    5.5 机器学习库Scikit-learn的主要用法
    5.6 机器学习库Scikit-learn的使用案例
06 KNN算法
    KNN算法的相关知识讲解

    6.1 距离度量
    6.2 KNN算法
    6.3 KD树划分
    6.4 KD树搜索
07 决策树
    决策树算法的相关知识讲解

    7.1 决策树原理
    7.2 ID3算法
    7.3 C4.5算法
    7.4 CART算法
08 集成学习
    集成学习的相关知识和几种典型的算法

    8.1 集成学习方法概述
    8.2 AdaBoost和GBDT算法
    8.3 XGBoost算法
    8.4 LightGBM算法
    8.5 集成学习代码实现
09 人工神经网络
    人工神经网络概念和反向传播算法

    9.1 人工神经网络概述
    9.2 感知机算法
    9.3 反向传播算法(BP算法)
10 支持向量机
    支持向量机的相关知识讲解

    10.1 支持向量机概述
    10.2 线性可分支持向量机
    10.3 线性支持向量机
    10.4 线性不可分支持向量机
    10.5 支持向量机代码实现
11 聚类
    无监督学习算法讲解，聚类算法

    11.1 无监督学习概述
    11.2 K-means聚类
    11.3 密度聚类和层次聚类
    11.4 聚类的评价指标
12 降维
    无监督学习算法讲解，降维算法

    12.1 降维概述
    12.2 SVD(奇异值分解)
    12.3 PCA(主成分分析)
13 关联规则
    无监督学习算法讲解，关联规则

    13.1 关联规则概述
    13.2 Apriori 算法
    13.3 FP-Growth算法
14 机器学习项目流程
    一个完整的机器学习项目讲解

    14.1 机器学习项目流程概述
    14.2 数据清洗
    14.3 特征工程
    14.4 数据建模

## 预备知识

```
数学基础：主要包括高等数学、线性代数、概率论与数理统计。

编程基础：已经掌握一种编程工具，会使用Python进行简单地编程。
```