課程大綱： 機器學習與R語言培訓
一：機器學習基本理論
機器學習概述
機器學習算法分類及知識框架
機器學習相關概念
機器學習一般步驟
案例：用R實現機器學習模型預測
二：R語法基礎
R語言基礎語法
數據處理常用R包介紹（tidyr，dplyr，stringr,reshape2,ggplot2）
數據的存取與編輯
非結構化數據的讀取
案例：用R實現MySQL數據庫數據讀取
三：數據清洗方法
缺失數據處理
異常值的辨識處理
不平衡數據的處理
特征提取與特征工程
案例：針對美國人群收入等數據進行數據清洗
四：線性回歸與Logistic回歸
線性回歸與小二乘法
Lasso回歸及嶺回歸
Logistic回歸模型
多分類Logistic回歸模型
案例：運用Logistic回歸模型預測學生錄取情況
五：K近鄰（KNN）算法
k近鄰算法原理
k近鄰算法R實現
案例：運用KNN實現前列腺癌癥檢測
六：聚類算法
聚類算法原理
聚類算法R實現
案例：運用聚類分析進行離群點識別
七：基于決策樹類型算法介紹
決策樹算法
隨機森林算法
八：提升算法
Adaboost算法
GBDT算法
XGBoost
案例：針對美國人群收入預測模型比較
九：SVM支持向量機算法介紹
SVM基本原理
SVM算法的R實現
十：人工神經網絡
人工神經網絡（RNN）
深度學習
案例：運用神經網絡實現手寫數字識別
十一：地圖可視化：上海交通地圖數據可視化實戰
數據可視化基本圖形選擇匯總
繪制數據地圖常用方法
交互式可視化實戰
十二：機器學習mlr包：債務預測實戰
mlr包介紹
實際問題分析及數據處理
多種分類算法模型的比較
加入高級會員獲得助教答疑
