本节课是资料赠送，现在报名送《python基础》和128元的课程《python机器学习库》！

课程ppt和anaconda3网盘下载：

链接: https://pan.baidu.com/s/1bDrctw 密码: 2mw6

1.机器学习概述

2.线性回归误差项原理推导

3.目标函数数学推导

4.求解回归问题

5.使用scikit-learn建立线性回归模型

1.树模型概述

2.熵原理

3.决策树构造实例

4.剪枝策略

5.随机森林集成算法

6.特征重要性衡量标准

1.逻辑回归数学原理

2.梯度下降求解

3.样本不均衡数据处理方法

4.下采样与过采样问题

5.模型评估标准

6.SMOTE数据生成策略

1.贝叶斯算法概述

2.实例演示贝叶斯推导过程

3.基于贝叶斯的拼写检查器

4.垃圾邮件分类任务

5.案例实战：新闻数据分类任务

1.集成算法概述

2.提升策略

3. Xgboost数学原理推导

4.Xgboost建模参数

5.案例实战：Xgboost调参策略与结果评估

1.支持向量机求解目标

2.支持向量机求解过程数学推导

3.支持向量机求解实例

4.软间隔作用

5.核函数的意义

1.Kmeans聚类算法

2.EM算法原理推导

3.GMM应用在聚类

4.其他聚类算法概述

1.神经网络基础知识点

2.神经网络整体架构

3.神经元的意义

4.激活函数与drop-out

5.过拟合风险解决方案

6.案例：神经网络分类任务