机器学习_入门经典

                                                                                作者

Toby，持牌照消费金融模型经理，和中科院，中科大教授保持长期项目合作；和同盾，聚信立等外部数据源公司有项目对接。熟悉消费金融场景业务，线上线下业务，包括现金贷，商品贷，医美，反欺诈，汽车金融等等。模型项目200+，擅长Python机器学习建模，对于变量筛选，衍生变量构造，变量缺失率高，正负样本不平衡，共线性高，多算法比较，调参等疑难问题有良好解决方法。

课程介绍

作者座右铭----

与其被人工智能代替，不如主动设计机器为我们服务。

长期以来机器学习很多教材描述晦涩难懂，大量专业术语和数学公式让学生望而止步。生活中机器学习就在我们身边，谷歌，百度，Facebook，今日头条都运用大量机器学习算法，实现智能推荐功能。我用大量精美配图来解释机器学习算法原理。

课程部分经典介绍

人和机器有啥不一样呢，人是通过经验积累对事物做出判断。人脑中有超过700亿个神经元细胞，复杂生物神经网络是目前任何机器算法也不能实现的。

机器学习就是电脑通过学习数据来近似模仿人脑，自动做出决策。

万物皆有数，通过对经验的量化，机器可以接近人脑，做出智能决策。

机器学习算法出现在生活中方方面面，例如线性回归广泛用于预测商品价格走势，例如房价，股票价格等等。

逻辑回归算法在信用评分卡领域广泛应用几十年，非常稳定。评分卡用于智能判断申请贷款的客户是否是好客户。

线性回归和逻辑回归中的核心概念是梯度递减，在我的新教程“一图读懂_图解机器学习”中有详细描述。

回归中多项式方差比简单直线更能减少（error）错误。但物极必反，多项式不是越复杂越好，这容易导致过度拟合。

贝叶斯算法被广泛用于垃圾邮件过滤，也可用于色情文章过滤。贝叶斯对文章出现一些关键字做出概率预测。例如下例中如果邮件出现便宜这个单词，有80%概率是垃圾邮件。

决策树算法可用于APP智能推荐，根据客户性别，年龄等因素，推荐客户需要的APP。

生物神经网络是人类通过上亿年进化发展成复杂网络。信号可以传入或传出神经元。信号要达到一定强度才能传递。

神经元细胞结构非常复杂，大概功能器官如下图。

计算机神经网络不是一个模型，而是一个集合。下图是最常见的25个神经网络结构。从最早感知机，到单层神经网络，多层神经网络，CNN，RNN，神经网络模型一直在进化。在现实中多种神经网络混合使用。

支持向量不仅能处理二维空间分类，还能实现多维空间转移。核函数就是关键。

通过核函数，数据实现空间转移。

图解机器学习八大算法后，我们用Python来对泰坦尼克号生存分析。

我建立随机森林模型，准确率达到0.87-0.88。各位学员有更好准确率，可以给我留言。此教程是免费的，2k超清分辨率，各位朋友可以看清任何一行代码和文字。

教程提供泰坦尼克号原始数据，大家可以自己建模，各显神通。

通过模型因子分析，我发现女性，低龄是存活的最主要因素。妇女和儿童优先，泰坦尼克号再现英国人几千年来的骑士精神！这影响一代又一代人！我们向英国的骑士精神致敬！