hpu120623的博客

聚类算法目标1 聚类算法简介1.1 认识聚类算法1.2 现实中的应用1.3 概念1.4 与分类算法区别2 聚类算法API2.1 API2.2 案例3 实现流程3.1 k-means聚类步骤3.2 案例练习3.3 小结4 模型评估4.1 误差平方和（SSE）4.2 ”肘“方法-K值确定4.3 轮廓系数法（SC）4.4 CH系数4.5 总结5 算法优化5.1 优缺点5.2 Canopy算法5.9 总结6 特征工程-特征降维6.1 降维6.2 特征选择6.3 主成分分析目标掌握聚类算法的实现过程知道K-m

集成学习目标1 集成学习简介1.1 认识集成学习2 Bagging&随机森林2.1 Bagging集成原理2.2 随机森林构造2.3 随机森林API2.4 随机森林案例2.5 bagging集成优点3 Boosting3.1 boosting集成原理3.2 GBDT（了解）3.3 XGBoost（了解）3.4 泰勒公式（拓展）目标了解集成学习中主要解决的两个核心任务知道bagging集成原理知道随机森林决策树的建立过程知道为什么需要随机有放回(Bootstrap)的抽样应用Random

决策树&特征工程目标1 简介1.1 认识决策树2 分类原理2.1 熵2.2 决策树的划分依据一-信息增益2.3 决策树的划分依据二-信息增益率2.4 决策树的划分依据三-基尼值和基尼指数2.5 常见决策树类型比较3 cart剪枝3.1 为什么需要剪枝3.2 常用剪枝方法4 特征工程-特征提取4.1 定义4.2 字典特征提取4.3 文本特征提取5 决策树算法API5.1 API6 总结目标掌握决策树实现过程知道信息熵的公式及作用知道信息增益&信息增益率的作用知道基尼指数的作用知道

逻辑回归（LR）目标：1 逻辑回归介绍1.1 介绍及应用1.2 原理1.3 损失及优化2 逻辑回归API2.1 API3 分类评估方法3.1 分类评估3.2 ROC曲线3.3 AUC指标4 ROC曲线的绘制4.1 曲线绘制4.2 意义目标：知道逻辑回归的损失函数和优化方法知道sigmoid函数知道逻辑回归的应用场景应用LogiticRegression实现逻辑回归预测知道精确率、召回率指标的区别知道如何解决样本不均衡情况下的评估了解ROC曲线的意义说明AUC指标大小应用classific

线性回归目标：1 线性回归简介1.1 什么是线性回归1.2 线性回归API2 数学：求导2.1 常见函数的导数2.2 导数的四则运算2.3 矩阵向量求导3 损失和优化3.1 损失函数3.2 优化算法4 梯度下降4.1 全梯度下降（FG）4.2 随机梯度下降（SG）4.3 小批量梯度下降（mini-bantch）4.4 随机平均梯度下降（SAG）4.5 算法比较5 欠拟合和过拟合5.1 定义5.2 原因及解决办法5.3 正则化5.4 维灾难（略）6 模型的保存和加载6.1 API6.2 案例总结目标：掌

今天我们来学习机器学习KNN算法，理论加实践，学的更爽，另外对于相似性计算的距离我们也认知一下。

机器学习概述目标1.1 人工智能发展1.2 人工智能概述1.3 机器学习工作流程1.4 机器学习算法分类1.5 模型评估均方根误差（Root Mean Squared Error，RMSE）相对平方误差（Relative Squared Error，RSE）平均绝对误差（Mean Absolute Error，MAE)相对绝对误差（Relative Absolute Error，RAE)决定系数 (Coefficient of Determination)小结目标了解人工智能发展历程了解人工智能概述