慕课-英华学堂

首页 - 课程列表 - 课程详情

机器学习初步

课程类型：选修课

主讲教师：周志华

课程来源：南京大学

建议学分：0.00分

课程编码：xtzx2573

绪论

s 1.1 教材（5分钟）

s 1.2 课程定位（5分钟）

s 1.3 机器学习（3分钟）

s 1.4 典型的机器学习过程（5分钟）

s 1.5 计算学习理论（7分钟）

s 1.6 基本术语（18分钟）

s 1.7 归纳偏好（7分钟）

s 1.8 NFL定理（10分钟）

模型评估与选择

s 2.1 泛化能力（3分钟）

s 2.2 过拟合和欠拟合（9分钟）

s 2.3 三大问题（3分钟）

s 2.4 评估方法（18分钟）

s 2.5 调参与验证集（5分钟）

s 2.6 性能度量（8分钟）

s 2.7 比较检验（7分钟）

线性模型

s 3.1 线性回归（8分钟）

s 3.2 最小二乘解（7分钟）

s 3.3 多元线性回归（8分钟）

s 3.4 广义线性模型（3分钟）

s 3.5 对率回归（8分钟）

s 3.6 对率回归求解（17分钟）

s 3.7 类别不平衡（10分钟）

决策树

s 4.1 决策树基本流程（7分钟）

s 4.2 信息增益划分（7分钟）

s 4.3 其他属性划分准则（11分钟）

s 4.4 决策树的剪枝（4分钟）

s 4.5 预剪枝与后剪枝（10分钟）

s 4.6 缺失值的处理（8分钟）

支持向量机

s 5.1 支持向量机基本型（5分钟）

s 5.2 对偶问题与解的特性（6分钟）

s 5.3 求解方法（6分钟）

s 5.4 特征空间映射（7分钟）

s 5.5 核函数（12分钟）

s 5.6 软间隔SVM （14分钟）

s 5.7 正则化（7分钟）

s 5.8 如何使用SVM？（7分钟）

神经网络

s 6.1 神经网络模型（11分钟）

s 6.2 万有逼近能力（5分钟）

s 6.3 BP算法推导（20分钟）

s 6.4 缓解过拟合（6分钟）

贝叶斯分类器

s 7.1 贝叶斯决策论（5分钟）

s 7.2 生成式和判别式模型（6分钟）

s 7.3 贝叶斯分类器与贝叶斯学习（9分钟）

s 7.4 极大似然估计（7分钟）

s 7.5 朴素贝叶斯分类器（8分钟）

s 7.6 拉普拉斯修正（10分钟）

集成学习和聚类

s 8.1 集成学习（5分钟）

s 8.2 好而不同（7分钟）

s 8.3 两类常用集成学习方法（3分钟）

s 8.4 Boosting （12分钟）

s 8.5 Bagging （3分钟）

s 8.6 多样性度量（7分钟）

s 8.7 聚类（3分钟）

s 8.8 聚类方法概述（11分钟）