【MOOC】Python机器学习应用-北京理工大学 - 学期课程导学

1.机器学习简介

1.1.机器学习的目的

机器学习是实现人工智能的手段，其主要研究内容是如何利用数据或经验进行学习，改善具体算法的性能

• 多领域交叉，涉及概率论、统计学，算法复杂度理论等多门学科

• 广泛应用于网络搜索、垃圾邮件过滤、推荐系统、广告投放、信用评价、欺诈检测、股票交易和医疗诊断等应用

1.2.机器学习的分类

机器学习一般分为下面几种类别

• 监督学习 （Supervised Learning）

• 无监督学习 （Unsupervised Learning）

• 强化学习（Reinforcement Learning，增强学习）（可参考这个视频理解）

• 半监督学习（Semi-supervised Learning）(介于监督和无监督学习之间)

• 深度学习 (Deep Learning)（利用深层神经网络抽象得表示数据特征的一种方法）

1.3.Python Scikit-learn

•官网首页： http://scikit-learn.org/stable/

• Machine Leaning in Python

• 一组简单有效的工具集

• 依赖Python的NumPy，SciPy和matplotlib库

• 开源、可复用

本课程也主要注重于sklearn的使用方法，对于算法的原理不做过多深究

常用函数：

1.4.课程目标

• 了解基本的机器学习原理及算法

• 学习利用机器学习算法解决应用问题的能力

• 掌握sklearn库中常用机器学习算法的基本调用方法，避免重复造车

2.相关书籍及课程推荐[重点-良心推荐]

图书：

《机器学习》-周志华

《PRML》-Bishop 民间评价：“早知此书，PhD早毕业2年”