案例--线性回归算法实现回归预测

未来已来，人们应该把人工智能当做常识，更好了解机器，也就是更好了解自己，本套内容着重以机器学习算法和深度开发框架Tensorflow为基底，让大家从机器学习算法原理，模型如何创建，如何摘取特征，数据处理，通过图形展现算法精度等，并以综合项目结尾，提高大家整合和运用知识能力，目的让大家学习机器学习开发技能，达到算法应用工程师水准

1. 初识人工智能&KNN算法应用

     1.1 认识人工智能

     1.2 了解KNN并进行电影分类

     1.3 KNN参数优化

     1.4 KNN手写数字识别

2. 普通线性回归

     2.1 线性回归概念及权重系数求解

     2.2 案例--线性回归算法实现回归预测

     2.3 线性回归变化重要衡量标志-梯度 

     2.4 案例--线性回归预测波士顿房价

3. L1&L2正则化线性回归和逻辑斯蒂

     3.1 岭回归公式推导

     3.2 岭回归原理+L2正则

     3.3 岭迹线alpha合理取值

     3.4 Lasso回归+L1正则

     3.5 逻辑斯蒂函数原理和似然估计

     3.6 逻辑斯蒂预测iris分类并解释如何是根据概率得出目标值

     3.7 综合案例_人脸自动补齐

4. 贝叶斯&决策树

     4.1 Bayes模型介绍

     4.2 Bayes三分类问题

     4.3 案例-短信分类

     4.4 决策树概念和熵决策

     4.5 案例--对比KNN&Decisiontree&LinearMode预测数据

     4.6 集成决策树+数的属性深度介绍

     4.7 决策树属性深度重要性

5. SVM&KMeans

     5.1 SVM原理和线性分类问题

     5.2 SVM基于RBF半径分类

     5.3 K_MEANS原理和中国足球分档

     5.4 K_MEANS进行图片压缩

6. 特征工程和机器学习评价指标

     6.1 PCA原理推导

     6.2 PCA降维手写数字识别

     6.3 特征工程

     6.4 ROC曲线介绍

     6.5 洛伦兹曲线KS获取最大阈值

     6.6 LR和SVM根据ROC指标进行准确率对比

7. 深度学习框架Tensorflow

     7.1 tensorflow工作原理

     7.2 tensorflow基本使用

     7.3 tensorflow变量&占位符使用

     7.4 tensorflow线性回归案例

8. 项目--Tensorflow信用防御系统

     8.1 信用防御系统需求调研，建模及数据特征工程处理 

     8.2 模型预测和评估

     8.3 图型呈现准确率和召回率