該課系統(tǒng)地講授機器學習面臨的各種問題背景滚秩、建模盅称、學習方法實現(xiàn)、性能評價 本課講授內(nèi)容包括如下幾個部分
第一章飞几、 機器學習簡介（2課時）
第二章砚哆、 分類算法評估與比較（2課時）
- 常見分類性能評價
- K-折交叉檢驗（Cross Validation）
- 配對T檢驗
第三章、 線性機器學習模型 - 線性回歸及其優(yōu)化（2課時）
- 線性判別分析（2課時）
- Logistic回歸及正則化懲罰（2課時）
第四章屑墨、 支持向量機（4課時）
第五章躁锁、 神經(jīng)網(wǎng)絡(luò)分類器（4課時） - 感知器模型
- 神經(jīng)網(wǎng)絡(luò)
第六章、 非監(jiān)督學習（4課時） - K-Means
- 層次聚類
第七章卵史、 面向網(wǎng)絡(luò)數(shù)據(jù)的隨機游走算法（2課時） - PageRank
- Learning with Local and Global Constraints
第八章战转、 維度約減與數(shù)據(jù)壓縮（2課時） - 主成份分析
- 非負矩陣分解
