Python机器学习实战1-零基础上手

[CSDN学习]

Python机器学习实战1-零基础上手
第一章:介绍和鸟瞰机器学习
第一节课程介绍
第二节人工智能和机器学习的关系
第三节机器学习的分类
第四节生成对抗网络和强化学习
第五节机器学习开发流程
第六节机器学习的本质
第七节机器学习中那些坑
第八节如何学习机器学习
第二章:项目1：房价预测（回归类型问题）
第一节如何搞到真实的一手机器学习数据
第二节机器学习开发环境准备
第三节数据加载及快速可视化
第四节训练和测试集数据及模型验证原理
第五节现实数据训练及测试集分割
第六节根据重要特征分离数据
第七节根据地理信息可视化房地产数据
第八节可视化数据相关性
第九节特征工程
第一十节数据和标签
第一十一节数据清洗
第一十二节量化文本数据
第一十三节组合特征与scikit主要架构
第一十四节实现特征组合
第一十五节特征标准化
第一十六节管道方法批量处理
第一十七节线性回归模型训练
第一十八节回归模型初步评估-RMSE和MAE
第一十九节决策树回归模型
第二十节交叉验证模型
第二十一节随机森林回归模型
第二十二节持久化机器学习模型
第二十三节参数与超参数
第二十四节模型调优--网格搜索
第二十五节回归模型评估
第二十六节回归模型开发流程总结
第三章:项目2:识别手写数字—MNIST(分类问题)
第一节分类问题的介绍
第二节MNIST图片数据
第三节图片可视化与分类问题描述
第四节训练集和测试集
第五节二分类模型
第六节K-Fold交叉验证原理
第七节正确使用交叉评估分数
第八节混淆矩阵-Confusion Matrix
第九节精确度和召回率
第一十节F1分数(F1-Score)
第一十一节精确度和召回率的平衡
第一十二节ROC 曲线
第一十三节多分类算法的归类--OvA和OvO
第一十四节多分类算法识别手写数字
第一十五节基于概率预测的多分类模型
第一十六节模型误差分析
第一十七节多标签多输出的分类模型
第四章:课程总结
第一节附赠项目1：预测泰坦尼克号风险
第二节附赠项目2：垃圾邮件监测
第三节模块总结与学习建议

阿勒拉哈
美国Texas A&M 在读博士，空间智能计算研究， 曾先后在全球最大安全公司从事爬虫工程师、数 据分析、文本挖掘、机器学习等工作。对数据科学 和人工智能领域有深入研究。
相关链接：https://edu.csdn.net/course/detail/8387?utm_source=edu_bbs_autocreate