欢迎来到公益课程平台
问题答疑
首页
公益课程
公开课
更多
首页
公益课程
公开课
扫码下载Android
扫码下载iOS
教师登录
学生登录
首页
公益课程
公开课
教师登录
学生登录
首页 - 课程列表 - 课程详情
返回
机器学习初步
课程类型：
选修课
发布时间：
2023-02-13 14:55:56
主讲教师：
周志华
课程来源：
南京大学
建议学分：
0.00分
课程编码：
xtzx2573
课程介绍
课程目录
教师团队
绪论
1.1 教材
（5分钟）
1.2 课程定位
（5分钟）
1.3 机器学习
（3分钟）
1.4 典型的机器学习过程
（5分钟）
1.5 计算学习理论
（7分钟）
1.6 基本术语
（18分钟）
1.7 归纳偏好
（7分钟）
1.8 NFL定理
（10分钟）
模型评估与选择
2.1 泛化能力
（3分钟）
2.2 过拟合和欠拟合
（9分钟）
2.3 三大问题
（3分钟）
2.4 评估方法
（18分钟）
2.5 调参与验证集
（5分钟）
2.6 性能度量
（8分钟）
2.7 比较检验
（7分钟）
线性模型
3.1 线性回归
（8分钟）
3.2 最小二乘解
（7分钟）
3.3 多元线性回归
（8分钟）
3.4 广义线性模型
（3分钟）
3.5 对率回归
（8分钟）
3.6 对率回归求解
（17分钟）
3.7 类别不平衡
（10分钟）
决策树
4.1 决策树基本流程
（7分钟）
4.2 信息增益划分
（7分钟）
4.3 其他属性划分准则
（11分钟）
4.4 决策树的剪枝
（4分钟）
4.5 预剪枝与后剪枝
（10分钟）
4.6 缺失值的处理
（8分钟）
支持向量机
5.1 支持向量机基本型
（5分钟）
5.2 对偶问题与解的特性
（6分钟）
5.3 求解方法
（6分钟）
5.4 特征空间映射
（7分钟）
5.5 核函数
（12分钟）
5.6 软间隔SVM
（14分钟）
5.7 正则化
（7分钟）
5.8 如何使用SVM？
（7分钟）
神经网络
6.1 神经网络模型
（11分钟）
6.2 万有逼近能力
（5分钟）
6.3 BP算法推导
（20分钟）
6.4 缓解过拟合
（6分钟）
贝叶斯分类器
7.1 贝叶斯决策论
（5分钟）
7.2 生成式和判别式模型
（6分钟）
7.3 贝叶斯分类器与贝叶斯学习
（9分钟）
7.4 极大似然估计
（7分钟）
7.5 朴素贝叶斯分类器
（8分钟）
7.6 拉普拉斯修正
（10分钟）
集成学习和聚类
8.1 集成学习
（5分钟）
8.2 好而不同
（7分钟）
8.3 两类常用集成学习方法
（3分钟）
8.4 Boosting
（12分钟）
8.5 Bagging
（3分钟）
8.6 多样性度量
（7分钟）
8.7 聚类
（3分钟）
8.8 聚类方法概述
（11分钟）
新ICP备2024009757号-1