统计机器学习入门——老司机带你读经典
已报名
86
直播时间
课程大纲
-
01
统计机器学习入门——课程介绍&统计学习介绍
张相於
总体安排:
- 课程介绍&统计学习介绍
- 线性回归
- 分类1
- 分类2
- 重抽样方法
- 线性模型选择与正则化1
- 线性模型选择与正则化2
本课时内容:
- 通过几个例子介绍统计学习(机器学习)能够解决什么问题
- 有监督学习和无监督学习的基本概念和目标,以及两者的关系和区别
- 统计学习的数学表达形式和常用表达形式
- 回归函数的基本概念和简单的估计方法
- 模型复杂度的基本概念
- 偏差-方差取舍(Bias-Variance Trade-off)
- 分类问题的基本概念
- 总结和Q&A
本课时课件下载:
-
02
统计机器学习入门——线性回归
张相於
本系列总纲:
- 课程介绍&统计学习介绍
- 线性回归
- 分类1
- 分类2
- 重抽样方法
- 线性模型选择与正则化1
- 线性模型选择与正则化2
本次课程主要内容:
- 线性回归可以解决什么问题。
- 单变量线性回归的定义和求解。
- 参数准确性评估。
- 模型准确性评估。
- 多变量线性回归的定义和求解。
- 多变量线性回归中的变量解释。
- 变量选择方法。
- 分类离散变量的处理。
- 用联合特征扩展线性模型。
本次课程课件下载:
-
03
统计机器学习入门——分类1
张相於
课时设计:
- 课程介绍&统计学习介绍
- 线性回归
- 分类1
- 分类2
- 重抽样方法
- 线性模型选择与正则化1
- 线性模型选择与正则化2
本课时内容:
- 分类问题介绍
- 线性回归解决分类问题
- 逻辑回归
- 大似然估计
- 多变量逻辑回归
- 特征混淆
- 样本采样
- 多分类逻辑回归
待上传回顾
-
04
统计机器学习入门——分类2
张相於
系列课程安排:
- 课程介绍&统计学习介绍
- 线性回归
- 分类1
- 分类2
- 重抽样方法
- 线性模型选择与正则化1
- 线性模型选择与正则化2
本课时内容:
- 线性判别分析
- 贝叶斯定理
- 从分类概率到判别函数
- 判别函数的参数估计
- 两类错误
- ROC曲线与AUC
- 二次判别分析
- 朴素贝叶斯
-
05
统计机器学习入门——重抽样方法
张相於
系列课程概览:
- 课程介绍&统计学习介绍
- 线性回归
- 分类1
- 分类2
- 重抽样方法
- 线性模型选择与正则化1
- 线性模型选择与正则化2
本课时内容:
- 训练误差与测试误差
- 验证集方法
- 交叉验证
- 交叉验证的陷阱
- 自助法
- 更一般的自助法
- 自助法的其他用途
-
06
统计机器学习入门——线性模型选择与正则化1
张相於
本系列课程大纲:
- 课程介绍&统计学习介绍
- 线性回归
- 分类1
- 分类2
- 重抽样方法
- 线性模型选择与正则化1
- 线性模型选择与正则化2
本节内容概要:
- 子集选择方法
- 优子集选择
- 前向逐步选择
- 后向逐步选择
- 优模型选择
- AIC,BIC和调整R^2
-
07
统计机器学习入门——线性模型选择与正则化2
张相於
- 课程介绍&统计学习介绍
- 线性回归
- 分类1
- 分类2
- 重抽样方法
- 线性模型选择与正则化1
- 线性模型选择与正则化2
大家关心的问题
-
1.直播错过,有视频可以观看吗?答:每期直播都有视频回放,付费学员可反复观看,有效期2年。
-
2.代码资料学员可以拿到吗?答:每期课件及代码资料都会上传供学员下载,详见回放课程目录的下载按钮。
-
3.开课前会有通知吗?答:已经购买课程学院可关注公众号“CSDN程序员研修院”,获取开课前提醒,也可以绑定手机号,或者短信提醒通知。
-
4.学习中遇到问题怎么办?答:学员付费后会有vip付答疑费专享群,讲师不定期答疑,并且可长期享受答疑服务,让您的学习全程无忧。
-
5.报名后如何进入直播间听课?答:PC端输入网址https://edu.csdn.net 在”我的—我的直播课”。(微信购买学院,请通过微信扫码登录)、微信端在“直播讲堂—我的”直播讲堂
-
6.报名后如何查看订单?答:PC端,在“我的”--->“我的订单”进入查看即可。微信端,在“在线课程—我的—我的订单”中查看。
-
7.报名后是否可以开发票?答:可以开具发票,请联系学院页面右侧的“学院客服”提交开票申请。
-
8.PC端如何观看直播回放?答:使用电脑观看,输入https://edu.csdn.net 或报名网址,登录CSDN账号(若您使用微信付费报名的,需在电脑上选择微信登录,扫码即可登录),“我的—我的直播课”。
-
9.移动端如何观看直播回放?因为版权问题,需要下载CSDN程序员研修院客户端https://edu.csdn.net/app,进入我的订单即可观看课程回顾。
最新直播还未开始哦,请查看上期直播回顾~~ヾ(≧▽≦*)
3
直接跳过