课程习得 通过对这门课程的学习，你将习得以下技能： 你可以快速入门应用机器学习，为公司、企业直接创造价值 你可以掌握机器学习理论基础 你可以学到感知机算法 你可以学到线性回归算法 你可以学到逻辑回归 你可以学到朴素贝叶斯法 你可以学到k近邻算法、决策树、支持向量机 你可以学到k均值聚类算法 你可以学到AdaBoost算法、梯度提升树（GBDT）、X…

通过线性回归带你了解算法流程 1. 1 线性回归引入   相信我们很多人可能都有去售楼处买房而无奈回家的行为，就算你没去过售楼处，相信你也应该听说过那令人叹而惊止的房价吧？对于高房价你没有想过这房价是怎么算出来的呢？难道就是房地产商拍拍脑门，北京的一概1000万，上海的一概800万，杭州的一概600万吗？看到这相信你应该有动力想…

机器学习算法原理 1.1 感知机算法 # 感知机算法图例 import numpy as np import matplotlib.pyplot as plt from matplotlib.font_manager import FontProperties %matplotlib inline font = FontProperties(fna…

细分构建机器学习应用程序的流程-流程简介 1.1 sklearn安装   为了实现接下里的代码，你需要安装下列5个Python第三方库，本文只拿sklearn的安装举例，如果有同学已经安装sklearn，可以把你的sklearn更新到最新版本，其他库同理。 numpy 1.15.4 scipy 1.1.0 matplotlib …

细分构建机器学习应用程序的流程-数据收集 sklearn数据集官方文档地址：https://scikit-learn.org/stable/modules/classes.html#module-sklearn.datasets   sklearn数据集一览 类型 获取方式 sklearn生成的随机数据集 sklearn.dat…

细分构建机器学习应用程序的流程-数据预处理 sklearn数据预处理官方文档地址：https://scikit-learn.org/stable/modules/classes.html#module-sklearn.preprocessing 1.1 缺失值处理 import numpy as np import pandas as pd %ma…

细分构建机器学习应用程序的流程-训练模型 1.1 训练回归模型   接下来我们将用波士顿房价数据集来介绍我们的回归模型，波士顿总共有506条数据，所以样本数小于100K，依据地图可以先使用Lasso回归-弹性网络回归-岭回归-线性支持向量回归-核支持向量回归-决策树回归-随机森林回归 import numpy as np imp…

细分构建机器学习应用程序的流程-测试模型   对于分类问题，我们可能会使用k近邻算法、决策树、逻辑回归、朴素贝叶斯法、支持向量机、随机森林；对于回归问题，我们可能会使用线性回归、决策树、随机森林。在工业上，我们不可能会对客户说，这是我训练的几个模型，你想用哪个我就给你哪个。一般而言这是不可能的，通常对于这几个模型，我们会通过某种…

细分构建机器学习应用程序的流程-模型优化   通过数据收集、数据预处理、训练模型、测试模型上述四个步骤，一般可以得到一个不错的模型，但是一般得到的都是一个参数收敛的模型，然而我们模型还有超参数或不同的核函数等，如r的非线性支持向量机的bf核或linear核；rbf核的非线性支持向量机超参数$C、\gamma$，正则化中的$\al…