本课程作为机器学习入门课程，将详细介绍 scikit-learn 的使用。课程包括了线性回归与感知机分类、支持向量机分类、K-Means 聚类算法、PCA 主成分分析、随机森林分类与回归、高斯混合模型等常用的机器学习算法。同时，课程将涉及模型的验证与模型选择，进一步提升实践能力。

先学课程

• 机器学习开放基础课程
• scikit-learn 机器学习基础课程
• NumPy 数值计算基础课程
• SciPy 科学计算基础课程

课程难度

• 中等

适合人群

• 本课程适合对机器学习有基础了解，想要学习如何用 scikit-learn 实现机器学习算法的同学。

版权声明

课程少部分内容参考了 Jake VanderPlas 的开源项目，该项目使用 BSD 3-Clause LICENSE。在原 LICENSE 的许可范围内，我们对文内容进行了编译以便于理解，同时修改了部分代码以适配实验楼在线环境。

课程信息

• 学习周期：课程有效期 2 个月，2 个月后无法进行在线实验，但可查看文档内容。高级会员有效期内可一直学习，到期后课程失效，且无法查看文档。部分云主机实验环境因成本较高，存在开启次数限制。关于课程退款等相关注意事项说明，请阅读 用户付费协议。
• 版权说明：课程内容为实验楼原创或实验楼在原作者授权下制作。未经书面同意，擅自爬取、转载和再分发课程内容，均将受到严肃追责。
• 企业团报：企业购买，请点击 企业用户咨询。