机器学习_入门经典

作者座右铭----

与其被人工智能代替，不如主动设计机器为我们服务。

长期以来机器学习很多教材描述晦涩难懂，大量专业术语和数学公式让学生望而止步。生活中机器学习就在我们身边，谷歌，百度，Facebook，今日头条都运用大量机器学习算法，实现智能推荐功能。我用大量精美配图来解释机器学习算法原理。

欢迎各位同学学习机器学习_入门经典，链接地址为https://edu.csdn.net/course/detail/30924

课程永久免费，欢迎各位同学点赞和分享。你们鼓励和支持是我们持续更新课程动力。

 

课程目录

章节1前言
课时1我的所有教学课程系列介绍
课时2如何联系作者和访问我的主页
课时3欢迎项目合作
课时4如何选择一台最好笔记本用于深度学习（英语）
章节2机器学习概述
课时5什么是机器学习？
课时6机器学习书籍推荐
课时7推荐数学高材生电影《心理捕手》
课时8机器学习使用条件，技巧和警告
章节3机器学习_深度学习_AI应用
课时9人工智能和合成生物学
课时10终结者到来？AI军事领域强大应用
课时11谷歌强大深度学习
课时12谷歌10个杰出项目
课时13波士顿动力
课时14IBM沃森人工智能应用
课时15深度学习语音_物体识别应用
课时16好莱坞巨星威尔史密斯和机器人约会
课时17采访AI机器人索菲亚，我要毁灭人类
课时18计算机如何快速识别物体（英语）
课时19OpenCV无人驾驶
课时20深度学习驾驶训练
课时21AI停车训练
课时22神经网络训练贪吃蛇
章节4Python机器学习资源
课时23Python基础知识
课时24Python数据科学常用的包
课时25Python第三方包下载地
课时26机器学习知名数据库介
课时27从线性代数到机器学习
课时28更多Python机器学习资源介绍
章节5监督机器学习算法
课时29线性回归-房价预测
课时30朴素贝叶斯-垃圾邮件过滤系统应用
课时31决策树-APP智能推荐系
课时32逻辑回归-预测考试成绩能否被大学录取
课时33SVM支持向量机-强大核函数实现空间转移
课时3425个神经网络拓扑图一览
课时35神经网络算法自动玩游戏-超级玛丽奥
课时36自动扫雷游戏-基于神经网络算法
章节6无监督学习算法
课时37kmean-如何选择披萨店地址
课时38层次聚类算法hierarchical clustering
章节7Python机器学习实战
课时39Anaconda下载安装
课时40python第三方包安装(pip和conda install）
课时41Python机器学习实战_泰坦尼克号生存分析（附脚本）
章节8蒙特卡洛算法
课时42python蒙特卡洛算法与赌博模型
章节9自然语言nlp
课时43 Introduction to sentiment analysis with spaCy
课时44贝叶斯文本分类器
课时45Building new NLP solutions with spaCy and Prodigy
课时46剑桥大学美女讲师-自然语言处理
章节10MIT机器学习和深度学习课程系列
课时47Introduction to Machine Learning
课时48Biologically Inspired Neural Networks
课时49Sequence Modeling with Neural Networks
课时50Faster ML Development with TensorFlowMIT
课时51Issues in Image Classification
课时52Recurrent Neural Networks
课时53Convolutional Neural Networks
课时54Deep Reinforcement LearningMIT3
课时55How computers learn to recognize objects instantly
课时56Computer Vision Meets Social NetworksMIT
课时57Beyond Deep Learning Learning+Reasoning
课时58Deep Learning Limitations and New Frontiers
课时59Image Domain Transfer (NVIDIA)
章节11强化学习reinforcement learning
课时60reinforcement learning强化机器学习原理
章节12非平衡样本处理
课时61机器学习非平衡数据处理imbalanced data
章节13新型冠状病毒 2019-nCoV
课时62真的是华南海鲜市场吗？
课时63武汉加油！中国加油！新型冠状病毒数据统计汇总

 

​课程部分经典介绍

人和机器有啥不一样呢，人是通过经验积累对事物做出判断。人脑中有超过700亿个神经元细胞，复杂生物神经网络是目前任何机器算法也不能实现的。

机器学习就是电脑通过学习数据来近似模仿人脑，自动做出决策。

万物皆有数，通过对经验的量化，机器可以无限接近人脑，做出智能决策。

机器学习算法出现在生活中方方面面，例如线性回归广泛用于预测商品价格走势，例如房价，股票价格等等。

逻辑回归算法在信用评分卡领域广泛应用几十年，非常稳定。评分卡用于智能判断申请贷款的客户是否是好客户。

线性回归和逻辑回归中的核心概念是梯度递减，在我的新教程“一图读懂_图解机器学习”中有详细描述。

回归中多项式方差比简单直线更能减少（error）错误。但物极必反，多项式不是越复杂越好，这容易导致过度拟合。

贝叶斯算法被广泛用于垃圾邮件过滤，也可用于色情文章过滤。贝叶斯对文章出现一些关键字做出概率预测。例如下例中如果邮件出现便宜这个单词，有80%概率是垃圾邮件。

决策树算法可用于APP智能推荐，根据客户性别，年龄等因素，推荐客户需要的APP。

生物神经网络是人类通过上亿年进化发展成复杂网络。信号可以传入或传出神经元。信号要达到一定强度才能传递。

神经元细胞结构非常复杂，大概功能器官如下图。

计算机神经网络不是一个模型，而是一个集合。下图是最常见的25个神经网络结构。从最早感知机，到单层神经网络，多层神经网络，CNN，RNN，神经网络模型一直在进化。在现实中多种神经网络混合使用。

支持向量不仅能处理二维空间分类，还能实现多维空间转移。核函数就是关键。

通过核函数，数据实现空间转移。

图解机器学习八大算法后，我们用Python来对泰坦尼克号生存分析。

 

我建立随机森林模型，准确率达到0.87-0.88。各位学员有更好准确率，可以发邮件给我留言[email protected]。此脚本可在我的新教程《机器学习_深度学习_入门经典》的29课下载，电脑端登录，点击参考资料下载。此教程是免费的，2k超清分辨率，各位朋友可以看清任何一行代码和文字。

教程提供泰坦尼克号原始数据，大家可以自己建模，各显神通。

通过模型因子分析，我发现女性，低龄是存活的最主要因素。妇女优先，儿童优先，泰坦尼克号再现英国人几千年来的骑士精神！这影响一代又一代人！我们向英国的骑士精神致敬！

欢迎访问讲师csdn学院教学主页：https://edu.csdn.net/lecturer/5602，学习更多python实战应用。