課程大綱：

scikit-learn 機器學習入門

課程作為機器學習入門課程，將詳細介紹 scikit-learn 的使用。

課程包括了線性回歸與感知機分類、

支持向量機分類、K-Means 聚類算法、

PCA 主成分分析、隨機森林分類與回歸、

高斯混合模型等常用的機器學習算法。

1 scikit-learn 介紹和使用

2 SVM 支持向量機算法

3 PCA 主成分分析方法

4 高斯混合模型應用

5 線性回歸與感知機

6 K-Means 聚類算法

7 隨機森林分類與回歸

8 模型驗證與模型選擇

1
機器學習和 scikit-learn 介紹

1.監督學習概念

2.無監督學習概念

3.機器學習算法

4.scikitlearn工具

2
線性回歸與感知機分類

1.線性回歸模型

2.感知機分類模型

3.糖尿病數據的擬合

3
支持向量機分類預測

1.理論基礎

2.線性分類

3.非線性分類

4
隨機森林分類與回歸

1.決策樹

2.隨機森林分類

3.隨機森林回歸

5
監督學習算法對比評估

1.K近鄰算法

2.其他常用監督學習方法

3.常用算法對比評估

6
K-Means 聚類算法應用

1.KMeans聚類

2.KMeans聚類應用

3.K值選擇

7
PCA 主成分分析應用

1.主成分分析

2.PCA應用

3.其他降維方法

8
高斯混合模型

1.GMM用于聚類

2.GMM用于密度估計

3.GMM用于異常值檢測

9
聚類學習算法對比評估

1.常用聚類算法的概念

2.常用聚類算法的實現

3.常用聚類算法的對比

10
模型驗證和模型選擇

1.模型驗證

2.交叉驗證

3.驗證曲線

4.學習曲線