課程大綱： 機器學習培訓
第1章：緒論
一、機器學習的定義
二、與數據挖掘的區別與聯系
三、本課程的授課思路與內容安排
四、教材及參考書
第2章：模型評估
一、評估方法
二、評估指標
三、比較檢驗
第3章：線性學習
一、線性回歸
二、廣義線性回歸
三、邏輯斯蒂回歸
四、多分類學習
第4章：支持向量機學習
一、大邊緣超平面
二、線性支持向量機
三、非線性支持向量機
第5章：神經網絡學習
一、神經網絡的定義
二、神經網絡的發展歷史
三、M-P神經元模型
四、單層感知機
五、多層前饋神經網絡
六、深層神經網絡
第6章：決策樹學習
一、決策樹學習基礎知識
二、決策樹學習基本算法
三、決策樹學習常見問題
四、決策樹學習理解解釋
第7章：貝葉斯學習
一、貝葉斯學習基礎知識
二、貝葉斯優分類器
三、樸素貝葉斯分類器
四、樸素貝葉斯分類器改進
第8章：近鄰學習
一、近鄰學習基礎知識
二、近鄰學習基本思想
三、近鄰學習常見問題
第9章：無監督學習
一、無監督學習基礎知識
二、K均值聚類算法
三、K均值聚類算法的變種
四、K均值聚類算法的理解
第10章：集成學習
一、集成學習基礎知識
二、集成學習常用方法
三、集成學習結合策略
第11章：代價敏感學習
一、代價敏感學習的背景
二、代價敏感學習的定義
三、代價敏感學習的評估
四、代價敏感學習的方法
第12章：演化學習
一、演化學習基礎知識
二、遺傳算法
三、演化神經網絡
四、演化學習問題與挑戰
第13章：強化學習
一、強化學習概述
二、有模型學習
三、無模型學習
四、對強化學習的理解
第14章：WEKA平臺的使用與二次開發
一、WEKA平臺的安裝與使用
二、WEKA平臺的二次開發
加入高級會員獲得助教答疑
