基础篇

项目1  搭建机器学习开发环境

项目目标

项目描述

项目分析

项目准备

1.1  机器学习的概念与应用领域

1.1.1  机器学习的概念

1.1.2  机器学习的应用领域

1.2  机器学习的类型

1.2.1  按学习的过程分类

1.2.2  按完成的任务分类

1.3  机器学习的一般过程

1.3.1  数据获取

1.3.2  特征提取

1.3.3  数据预处理

1.3.4  数据标准化

1.3.5  数据降维

1.3.6  训练模型

1.3.7  评估模型的有效性

1.3.8  使用模型

1.4  Python机器学习常用库

1.4.1  NumPy——科学计算基础库

1.4.2  SciPy——科学计算扩展库

1.4.3  Pandas——数据分析工具库

1.4.4  Matplotlib——数据可视化扩展库

1.4.5  Scikit-learn——机器学习库

项目实施——搭建机器学习开发环境

项目实训

项目总结

项目考核

项目评价

算法篇

项目2  训练线性回归预测模型

项目目标

项目描述

项目分析

项目准备

2.1  线性回归的基本原理

2.1.1  相关与回归

2.1.2  线性回归的原理分析

2.1.3  线性回归方程的参数求解方法

2.2  线性回归模型的性能评估

2.3  岭回归与套索回归

2.3.1  岭回归的原理与参数调节

2.3.2  套索回归的原理与参数调节

项目实施——波士顿房价线性回归预测

项目实训

项目总结

项目考核

项目评价

项目3  使用逻辑回归进行分类

项目目标

项目描述

项目分析

项目准备

3.1  逻辑回归的基本原理

3.1.1  回归与分类的区别

3.1.2  逻辑回归的原理分析

3.2  逻辑回归算法的Sklearn实现

3.2.1  Sklearn中的逻辑回归模块

3.2.2  逻辑回归应用举例

项目实施——鸢尾花逻辑回归分类

项目实训

项目总结

项目考核

项目评价

项目4  使用k近邻算法实现分类与回归

项目目标

项目描述

项目分析

项目准备

4.1  k近邻算法的基本原理

4.1.1  k近邻算法的原理分析

4.1.2  k近邻算法的常见问题及解决方法

4.2  k近邻算法的Sklearn实现

4.2.1  Sklearn中的k近邻模块

4.2.2  k近邻算法的应用举例

项目实施——k近邻算法实现葡萄酒的分类

项目实训

项目总结

项目考核

项目评价

项目5  使用朴素贝叶斯算法训练分类器

项目目标

项目描述

项目分析

项目准备

5.1  朴素贝叶斯算法的基本原理

5.1.1  先验概率和后验概率

5.1.2  朴素贝叶斯算法的原理与流程

5.1.3  朴素贝叶斯算法的常见问题及解决方法

5.2  朴素贝叶斯算法的Sklearn实现

5.2.1  Sklearn中的朴素贝叶斯模块

5.2.2  朴素贝叶斯算法的应用举例

项目实施——朴素贝叶斯算法实现邮件分类

项目实训

项目总结

项目考核

项目评价

项目6  使用决策树算法实现分类与回归

项目目标

项目描述

项目分析

项目准备

6.1  决策树算法的基本原理

6.1.1  决策树算法的原理分析

6.1.2  ID3算法

6.1.3  C4.5算法

6.1.4  CART算法

6.2  决策树算法的Sklearn实现

6.2.1  Sklearn中的决策树模块

6.2.2  决策树算法的应用举例

项目实施——根据身高与体重判定性别

项目实训

项目总结

项目考核

项目评价

项目7  使用支持向量机实现图像识别

项目目标

项目描述

项目分析

项目准备

7.1  支持向量机的基本原理

7.1.1  支持向量机的分类原理

7.1.2  支持向量机的回归原理

7.2  支持向量机的Sklearn实现

7.2.1  Sklearn中的支持向量机模块

7.2.2  支持向量机参数的调节

项目实施——使用支持向量机实现人脸识别

项目实训

项目总结

项目考核

项目评价

项目8  构建集成学习模型

项目目标

项目描述

项目分析

项目准备

8.1  集成学习

8.1.1  集成学习的基本原理

8.1.2  集成学习的结合策略

8.1.3  集成学习的类型

8.2  Bagging与随机森林算法

8.2.1  Bagging算法

8.2.2  随机森林算法

8.3  Boosting算法

8.3.1  Boosting算法的基本原理

8.3.2  Adaboost算法的Sklearn实现

项目实施——“泰坦尼克号”乘客能否获救预测

项目实训

项目总结

项目考核

项目评价

项目9  聚类

项目目标

项目描述

项目分析

项目准备

9.1  聚类任务

9.1.1  聚类的概念

9.1.2  距离度量

9.1.3  聚类的类型

9.2  k均值聚类算法

9.2.1  k均值聚类算法的基本原理

9.2.2  k均值聚类算法的Sklearn实现

9.3  层次聚类算法

9.3.1  层次聚类算法的基本原理

9.3.2  凝聚层次聚类算法的Sklearn实现

9.4  DBSCAN聚类算法

9.4.1  DBSCAN聚类算法的基本原理

9.4.2  DBSCAN聚类算法的Sklearn实现

项目实施——电影评分数据聚类

项目实训

项目总结

项目考核

项目评价

项目10  使用人工神经网络实现图像识别

项目目标

项目描述

项目分析

项目准备

10.1  人工神经网络的基本原理

10.1.1  生物神经元与神经元模型

10.1.2  感知机与神经网络

10.2  神经网络的训练

10.2.1  神经网络的训练流程

10.2.2  前向传播算法

10.2.3  损失函数

10.2.4  反向传播算法

10.3  神经网络的Sklearn实现

10.3.1  Sklearn中的神经网络模块

10.3.2  神经网络的应用举例

10.4  深度学习与深度神经网络

10.4.1  深度学习与深度神经网络概述

10.4.2  深度学习的主流框架TensorFlow

项目实施——基于神经网络的手写数字识别

项目实训

项目总结

项目考核

项目评价

应用篇

项目11  真假钞票鉴别

项目目标

项目描述

项目分析

项目准备

项目实施——真假钞票鉴别

项目实训

项目总结

项目考核

项目评价

参考文献