Skip to content

Relph1119/MachineLearning-WatermelonBook

Repository files navigation

《机器学习》(周志华-西瓜书)训练营(深度之眼-第十期)

课程资料

课程安排

总课时:11 周

第一周

  • 1 学习机器学习绪论
  • 2 达观杯NLP算法大赛

第二周

  • 3 学习线性模型
  • 4 学习sklearn包中逻辑回归算法的使用

第三周

  • 5 决策树的分裂准则
  • 6 决策树的剪枝和连续值处理
  • 7 学习sklearn包中决策树算法的使用

第四周

  • 8 支持向量机原始模型的建立和求解
  • 9 核函数和软间隔支持向量机
  • 10 了解sklearn包中svm算法的使用

第五周

  • 11 极大似然估计与朴素贝叶斯
  • 12 EM算法
  • 13 了解sklearn包中的朴素贝叶斯算法的适用

第六周

  • 14 神经网络结构
  • 15 BP算法
  • 16 深度学习初探
  • 17 了解sklearn包中神经网络的使用

第七周

  • 18 经验误差与过拟合
  • 19 评估方法
  • 20 性能度量
  • 21 了解sklearn包中模型评估方法的使用

第八周

  • 22 特征降维
  • 23 特征选择
  • 24 了解sklearn包中特征选择和降维算法的使用

第九周

  • 25 集成学习
  • 26 结合策略
  • 27 实验-lightGBM的使用

第十周

  • 28 聚类
  • 29 HMM
  • 30 了解sklearn包中K-means算法的使用

第十一周

  • 31 K-摇臂赌博机和天池o2o比赛初级
  • 32 有/无模型学习和天池o2o比赛进阶

项目目录

Books----------------------------------作业汇总和西瓜书笔记pdf文档
Note-----------------------------------笔记文件夹
+----image-----------------------------笔记截图
+----markdown--------------------------markdown格式视频笔记
+----notebook--------------------------JupyterNotebook格式视频笔记
Week1----------------------------------第一周作业
Week2----------------------------------第二周作业
Week3----------------------------------第三周作业
Week4----------------------------------第四周作业
Week5----------------------------------第五周作业
Week6----------------------------------第六周作业
Week7----------------------------------第七周作业
Week8----------------------------------第八周作业
Week9----------------------------------第九周作业
Week10---------------------------------第十周作业
Week11---------------------------------第十一周作业

总结

  前后用了一周时间结合Vay-keen大神的笔记做的整理,首先感谢Vay-keen大神为我们这些学习者节约了寻找相关辅助学习资料的时间,笔记中有很多相关的知识是书中没有的,同时笔者也加入了一些其他的辅助公式推导,在此也要感谢南瓜书的作者,是他们的开源公式推导帮助了我们。
  在学这本书之前,笔者曾经学了李航老师的第一版《统计学习方法》和《机器学习实战》,当时对里面一些公式部分不是很理解,这次系统性地学习了一遍西瓜书,结合了《统计学习方法》中的例题,更加深入的理解了机器学习中这些经典的算法,为接下来的《百面》一书的学习打下基础。笔者整理出了西瓜书笔记的PDF版本,供各位学习者下载使用。

Releases

No releases published

Packages

No packages published