- 线性回归
- 支持向量机
- 主成分分析
- 感知机
- 监督学习算法
- 聚类算法评估
scikit-learn 机器学习基础入门
会员1232 人学过 60 次评价 作者: huhuhang 难度: 初级
综合评分:
9.7
scikit-learn 是使用 Python 开发机器学习过程中最基础、最实用和最知名的工具之一。本课程将了解机器学习基本概念，熟悉机器学习中常用的算法，并使用 scikit-learn 进行实战应用。
你将学到的
课程内容
自学困难重重？点这里，快速打通机器学习技术路径
共7个章节
实验 1
机器学习和 scikit-learn 介绍
知识点: 1.监督学习概念 2.非监督学习概念 3.机器学习算法 4.scikitlearn工具
实验 2
线性回归和感知机分类
知识点: 1.线性回归模型 2.感知机分类模型
实验 3
支持向量机分类预测
知识点: 1.理论基础 2.线性分类 3.非线性分类
实验 4
监督学习算法对比评估
知识点: 1.常用监督学习方法 2.常用算法对比评估
实验 5
K-Means 数据聚类应用
知识点: 1.非监督学习 2.KMeans聚类
实验 6
PCA 主成分分析应用
知识点: 1.主成分分析 2.PCA降维
实验 7
聚类学习算法对比评估
知识点: 1.常用聚类算法 2.聚类算法对比
课程教师
huhuhang 蓝桥教研中心 共发布过 110 门课程
查看老师的所有课程 >学过本课的同学也学过...
加入编程交流社群👇
哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈
哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈
hello world
了解了除 K-Means 之外的其他几种聚类方法
机器学习调参数之路就此开始
简单
11111111
暂停一下。
其实有时候就是需要从最基础的开始，才能慢慢理解。
不能计算时间。
是无法启动环境了吗，您可以在讨论区详细说明一下
实验环境怎么突然用不了了，扎心了。
线性代数的基础还要再拾起来
很不错，讲解清楚，代码也很清晰。学到了
课程虽然比较简单，其中的解释可以加深对各种算法的理解，总体来说对于初学者还是不错的