课程大纲： 机器学习培训
第1章：绪论
一、机器学习的定义
二、与数据挖掘的区别与联系
三、本课程的授课思路与内容安排
四、教材及参考书
第2章：模型评估
一、评估方法
二、评估指标
三、比较检验
第3章：线性学习
一、线性回归
二、广义线性回归
三、逻辑斯蒂回归
四、多分类学习
第4章：支持向量机学习
一、最大边缘超平面
二、线性支持向量机
三、非线性支持向量机
第5章：神经网络学习
一、神经网络的定义
二、神经网络的发展历史
三、M-P神经元模型
四、单层感知机
五、多层前馈神经网络
六、深层神经网络
第6章：决策树学习
一、决策树学习基础知识
二、决策树学习基本算法
三、决策树学习常见问题
四、决策树学习理解解释
第7章：贝叶斯学习
一、贝叶斯学习基础知识
二、贝叶斯最优分类器
三、朴素贝叶斯分类器
四、朴素贝叶斯分类器改进
第8章：最近邻学习
一、最近邻学习基础知识
二、最近邻学习基本思想
三、最近邻学习常见问题
第9章：无监督学习
一、无监督学习基础知识
二、K均值聚类算法
三、K均值聚类算法的变种
四、K均值聚类算法的理解
第10章：集成学习
一、集成学习基础知识
二、集成学习常用方法
三、集成学习结合策略
第11章：代价敏感学习
一、代价敏感学习的背景
二、代价敏感学习的定义
三、代价敏感学习的评估
四、代价敏感学习的方法
第12章：演化学习
一、演化学习基础知识
二、遗传算法
三、演化神经网络
四、演化学习问题与挑战
第13章：强化学习
一、强化学习概述
二、有模型学习
三、无模型学习
四、对强化学习的理解
第14章：WEKA平台的使用与二次开发
一、WEKA平台的安装与使用
二、WEKA平台的二次开发
加入高级会员获得助教答疑
