让天下没有难找的讲师,职业讲师,商业讲师,培训师,讲师库-北京昭智教育

傅一航:Python机器学习算法实战

[复制链接]
Python机器学习算法实战
【课程目标】
本课程为高级课程,专注于机器学习算法,原理,以及算法实现及优化。
通过本课程的学习,达到如下目的:
1、熟悉常见的机器学习的算法。
2、掌握机器学习的算法原理,以及数据推导。
3、学会使用Python来实现机器学习算法,以及优化算法。
4、掌握scikit-learn扩展库来实现机器学习算法。
【授课时间】
2-3天时间
【授课对象】
IT系统部、大数据系统开发部、大数据建模等IT技术人员。
【学员要求】
课程为实战课程,要求:
1、每个学员自备一台便携机(必须)。
2、要求有Python开发基础。
3、要求有基本的数据分析和数据挖掘的知识。
注:讲师现场提供开源的安装程序、扩展库,以及现场分析的数据源。
【授课方式】
机器学习任务 + 算法原理 + 数学推导 + Python实现
从任务出发,了解算法原理,以及数学推导过程,全过程演练操作,让学员在分析、分享、讲授、总结、自我实践过程中获得能力提升。
【课程大纲】
第一部分:  机器学习基础
1、机器学习简介
2、机器学习的种类
Ø  监督学习/无监督学习/半监督学习/强化学习
Ø  批量学习和在线学习
Ø  基于实例与基于模型
3、机器学习的主要战挑
Ø  数据量不足
Ø  数据质量差
Ø  无关特征
Ø  过拟合/拟合不足
4、机器学习任务
Ø  监督:分类、回归
Ø  无监督:聚类、降维、关联规则
5、机器学习基本过程
6、模型评估指标
Ø  回归:R^2, MAE/MSE/RMSE/MAPE
Ø  分类:Acc,Recall,Precision,F1,ROC曲线,AUC
7、模型评估方法
Ø  训练集/验证集
Ø  交叉验证
8、过拟合评估
Ø  过拟合检验
Ø  过拟合解决方法:正则化
Ø  正则化:
²  L1正则项
²  L2正则项
9、模型参数优化
Ø  交叉验证
Ø  网格搜索GridSearchCV
Ø  随机搜索RandomizeSearchCV
10、    机器学习常用库
第二部分:  回归任务算法
1、线性回归模型
Ø  一元线性回归
Ø  多元线性回归
2、线性回归算法
Ø  损失函数
Ø  普通最小二乘法OLS
3、欠拟合解决方法
Ø  多项式回归
4、过拟合的优化算法:正则化
Ø  岭回归(Ridge)
Ø  套索回归Lasso
Ø  ElasticNet回归
Ø  各种算法的适用场景
5、超参优化
6、大规模数据集回归:迭代算法
Ø  随机梯度下降
Ø  批量梯度下降
Ø  小批量梯度下降
7、梯度算法的关键问题
第三部分:  逻辑回归
1、逻辑回归模型
2、逻辑回归的算法
Ø  原理
Ø  数学推导
3、正则项处理
4、其它优化:
Ø  迭代样本的随机选择
Ø  变化的学习率
5、求解算法与惩罚项的关系
6、多分类处理
Ø  ovo
Ø  ovr
第四部分:  线性判别分析
1、判别分析简介
Ø  基本思想
2、判别分析算法
Ø  数学推导
Ø  类间/类内散度矩阵
3、多分类处理
Ø  迭代样本的随机选择
Ø  变化的学习率
4、求解算法与惩罚项的关系
第五部分:  支持向量机
1、支持向量机简介
Ø  作用:回归、分类、异常检测
Ø  适用场景
2、线性SVM分类
Ø  基本原理
Ø  支持向量
Ø  SMO算法
3、非线性SVM分类
4、常用核函数
Ø  线性核函数
Ø  多项式核
Ø  高斯RBF核
Ø  核函数的选择原则
5、线性不可分处理:松弛系数
第六部分:  决策树
1、决策树模型
2、构建决策树的三个关键问题
3、决策树的训练
4、决策树的可视化
5、决策树常用算法
Ø  ID5
Ø  CART
6、正则化参数
7、决策树预测的基本步骤
第七部分:  神经网络
1、神经网络模型
Ø  工作原理:加法器、激活函数
Ø  适用场景
2、神经网络的建立步骤
3、BP算法实现
4、多层感知器MLP
Ø  隐藏层的数量
Ø  神经元的个数
第八部分:  朴素贝叶斯
1、贝叶斯简介
Ø  条件概率
Ø  常见贝叶斯网络
2、朴素贝叶斯
Ø  算法实现
Ø  连续变量处理:高斯分布
3、拉普拉斯修正
第九部分:  集成算法
1、分类模型优化思想
2、优化框架
Ø  Bagging
Ø  Boosting
3、Bagging集成
Ø  原理
Ø  随机森林
4、Boosting集成
Ø  原理
Ø  AdaBoost
第十部分:  无监督算法
结束:课程总结与问题答疑。

使用道具

管理技能讲师|企业战略讲师|网络媒体讲师|营销服务讲师|职场技能讲师|人力资源讲师|党政爱国讲师|财税金融讲师|生产管理讲师|其他类讲师|内训课程|讲师列表|手机版|

讲师库 | 讲师列表 | 账号登录 | 立即注册 | 网站地图 | 京公网安备11010702002698 | 京ICP备2024062795号-1

返回顶部 返回列表