第8章sklearn机器学习实战 8.1机器学习基本概念 教学内容：样本、特征、特征向量、目标、偏差、方差、拟合、过拟合、数 据泄露、有监督学习、半监督学习、无监督学习、分类器、聚类器、离群点检测 器、预测器、损失函数、泛化、正则化等基本概念。 8.2机器学习库sklearn简介 教学内容：扩展库sklearn常用模块与对象，如何选择合适的模型和算法。 8.3线性回归算法原理与应用 教学内容：线性回归模型原理、sklearn中线性回归模型的简单应用、岭回 归原理与sklearn实现、套索回归Lasso基本原理与sklearn实现、弹性网络基 本原理与sklearn实现、使用线性回归模型预测儿童身高。 重点、难点：岭回归、套索回归、弹性网络的区别，正则化的作用。 8.4逻辑回归算法原理与应用 教学内容：逻辑回归算法原理与sklearn实现、使用逻辑回归算法预测考试 能否及格。 重点、难点：逻辑回归算法算法与sklearn实现。 8.5朴素贝叶斯算法原理与应用 教学内容：朴素贝叶斯算法基本概念、朴素贝叶斯算法分类原理与sklearn 实现、使用朴素贝叶斯算法对中文邮件进行分类。 重点、难点：朴素贝叶斯算法分类原理与sklearn实现，中文分词，特征向 量的构造。 8.6决策树与随机森林算法应用 教学内容：决策树算法基本概念、原理与sklearn实现、随机森林算法原理 与sklearn实现、使用决策树算法判断学员的Python水平。 重点、难点：决策树与随机森林算法基本原理。 8.7支持向量机算法原理与应用 教学内容：支持向量机算法基本原理与sklearn实现、使用支持向量机对手 写数字图像进行分类。 第 8 章 sklearn 机器学习实战 8.1 机器学习基本概念 教学内容：样本、特征、特征向量、目标、偏差、方差、拟合、过拟合、数 据泄露、有监督学习、半监督学习、无监督学习、分类器、聚类器、离群点检测 器、预测器、损失函数、泛化、正则化等基本概念。 8.2 机器学习库 sklearn 简介 教学内容：扩展库 sklearn 常用模块与对象，如何选择合适的模型和算法。 8.3 线性回归算法原理与应用 教学内容：线性回归模型原理、sklearn 中线性回归模型的简单应用、岭回 归原理与 sklearn 实现、套索回归 Lasso 基本原理与 sklearn 实现、弹性网络基 本原理与 sklearn 实现、使用线性回归模型预测儿童身高。 重点、难点：岭回归、套索回归、弹性网络的区别，正则化的作用。 8.4 逻辑回归算法原理与应用 教学内容：逻辑回归算法原理与 sklearn 实现、使用逻辑回归算法预测考试 能否及格。 重点、难点：逻辑回归算法算法与 sklearn 实现。 8.5 朴素贝叶斯算法原理与应用 教学内容：朴素贝叶斯算法基本概念、朴素贝叶斯算法分类原理与 sklearn 实现、使用朴素贝叶斯算法对中文邮件进行分类。 重点、难点：朴素贝叶斯算法分类原理与 sklearn 实现，中文分词，特征向 量的构造。 8.6 决策树与随机森林算法应用 教学内容：决策树算法基本概念、原理与 sklearn 实现、随机森林算法原理 与 sklearn 实现、使用决策树算法判断学员的 Python 水平。 重点、难点：决策树与随机森林算法基本原理。 8.7 支持向量机算法原理与应用 教学内容：支持向量机算法基本原理与 sklearn 实现、使用支持向量机对手 写数字图像进行分类