- 畅销套餐
- 精选套餐
- 人气套餐
- 尊享套餐
- 高薪套餐



















- 课程介绍
- 课程大纲 试看
- 讲师好课 5
- 学员评价
适合人群:
对人工智能,机器学习感兴趣的朋友
课程目标:
了解传统机器学习的算法,包括线性回归,逻辑回归,决策树,随机森林,线性判别分析,主成分分析等推导原理,以及如何调用Sklearn库相关接口,完成算法的实现,应用到具体工程里面。
课程简介:
讲解线性回归算法的推导原理,最小二乘法的推导过程,以及求解偏导的意义;引用Sklearn库线性回归模块,调用线性回归的接口,实现模型的预测;讲解逻辑回归算法的推导原理,以及参数优化方法,随机梯度下降的实现方式;引用Sklearn库逻辑回归模块,调用逻辑回归的接口,实现模型的预测;讲解模型预测的评价标准,引入ROC指数,讲解Precision和Recall值得计算方式;讲解决策树方法的构建原理,熵的基础概念;调用Sklearn库决策树模块,构建一个决策树模型;引入组合模型随机森林,调用Sklearn库构建随机森林模型,以及构建决策树和随机森林参数初始化的意义。
课程大纲-机器学习(算法&实例)视频课程
资料下载5