第1周 机器学习概论
第2周 线性回归与Logistic。案例：电子商务业绩预测
第3周 岭回归，Lasso，变量选择技术。从一团乱麻中识别有用维度的技巧
第4周 降维技术。案例：业绩综合指标设计
第5周 线性分类器，Knn算法，朴素贝叶斯分类器，文本挖掘，案例：智能判断垃圾短信，通过文本挖掘给用户加标签，评论自动分析，用户流失预警
第6周 决策树，组合提升算法，bagging和adaboost，随机森林。案例：运营商用户分析
第7周 支持向量机，为什么能理解SVM的人凤毛麟角？
第8周 人工神经网络，单层感知器，线性神经网络，BP神经网络，基于梯度下降的学习算法，图像压缩和银行用户信用评估
第9周 通用逼近器径向基函数神经网络，在新观点下审视PDA和SVM。Hopfield联想记忆型神经网络。案例：字符识别，人脸识别
第10周 概率神经网络和信念贝叶斯分类器
第11周 聚类，孤立点判别。案例：推荐系统，自动品酒器，作 弊识别，社会系统团体识别
阅读(583) | 评论(0) | 转发(0) |
