Python机器学习路线,本课程使用一种通俗易懂的编程语言Python深入学习机器学习的基础知识。认识解机器学习的目的以及它在现实世界中的应用。
机器学习主题的概述，如有监督与无监督学习、模型评估和机器学习算法。
在本课程中，你将用机器学习的真实例子进行练习，看看它是如何以你可能没有猜到的方式影响社会的！
学习目标
在本课程中，您将学到：
探索机器学习的示例以及创建这些示例所使用的库和语言。
将适当形式的回归应用于数据集以进行估计。
针对特定的机器学习挑战应用适当的分类方法。
对不同的数据集使用正确的聚类算法。
解释推荐系统是如何工作的，并在数据集上实现推荐系统。
在评估项目中展示您对机器学习的理解。
课程大纲
模块1-机器学习简介
什么是机器学习？
模块2-回归
线性回归
非线性回归
模块3-分类
K-最近的邻居
决策树
逻辑回归
支持向量机
模块4-聚类
k-均值聚类
层次聚类
基于密度的聚类
模块5-推荐系统
基于内容的推荐引擎
最终项目
