共建课程|《机器学习》

作者: 时间:2025-03-11 点击数:


   一、课程简介

本课程介绍机器学习必要的数学基础知识、常用机器学习算法原理、Python实现以及应用,包括线性回归、逻辑回归、SVM、KNN、Kmeans、朴素贝叶斯、决策树、随机森林、感知器神经网络等。

二、教学目标

学生通过本课程的学习,将具备以下知识、能力、素质,能够:

  1. 理解机器学习建模的流程

  2. 熟悉机器学习的常用算法原理并能够实现之

  3. 能够调用机器学习算法库解决应用问题

    三、教学内容及安排

序号

学时

教学方法

1

数据装载

01安装JupyterLab

2

讲解+演示

02 文件读取

2

线性回归

01单变量线性回归

4

讲解+演示

02线性回归的其他计算方法

03多变量线性回归

04模型效果的影响因素

3

逻辑回归

01双类别逻辑回归

6

讲解+演示

02正则化处理

03 多类别逻辑回归

04 模型性能分析

4

支持向量机

01 SVM工作原理

4

讲解+演示

02 核函数

03 多分类问题

5

K近邻与Kmeans

01 K近邻分类

4

讲解+演示

02 KMeans聚类

6

贝叶斯分类

01 贝叶斯分类基本原理

4

讲解+演示

02 垃圾邮件分类

03 处理连续型特征值

7

决策树和随机森林

01 ID3决策树的构成

4

讲解+演示

02 自定义ID3决策树

03 使用DecisionTreeClassifier

04 随机森林

8

神经网络

01 神经网络基本结构

4

讲解+演示

02 反向传播算法

课时合计:

32

四、考核方式与成绩评定

本课程考核方式包括理论考核(占50%)和实践考核(占50%)两部分:

理论考核采用笔试考试(或在线答题),满分100分,采用选择、填空、判断、问答等题型,从配套题库中抽取。

实践考核采用课程中各项作业的平均成绩,满分100分。评分标准参考各项作业的任务说明。

五、参考书目

本课程不设置参考书,可参考官方文档。

Copyright © 2017-2020   武汉晴川学院   鄂ICP备10004916号   地址:湖北省武汉市东湖新技术开发区中华科技产业园玉屏大道9号   邮编:430204