第一节KNN,K近邻 1.主要内容 介绍KNW和K近邻算法的基本思想，区别与联系 2.基本概念和知识点 KNN,K近邻 3.问题与应用（能力要求） 掌握KN和K近邻算法的计算要领 第二节Logistic回归，线性支持向量机 1.主要内容 介绍Logistic回归，线性支持向量机的原理和计算技巧 2.基本概念和知识点 Logistic回归，线性支特向量机，最优间隔留平面 3.问题与应用（能力要求） 掌握Logistic回归，线性支持向量机的计算技巧 第三节线性判别分析，决策树 1.主要内容 介绍线性判别分析，决策树的应用领域、计算技巧 2.基本概念和知识点 线性判别分析，类类距离，类间距离，决策树 3.问题与应用（能力要求） 掌握线性判别分析，决策树的应用领域 第四节一元回归，多元回归，11算法 1.主要内容 介绍一元回归和多元回归的原理，计算步骤以及岭回归，1asso方法 2.基本概念和知识点 最小二乘回归，岭回归，1asso 3.问题与应用（能力要求） 掌握一元回归，多元回归的区别于联系，会运用岭回归，1算法来求 解实际问题 (三)思考与实践 思考KNN,K近邻，Logistic回归，线性支持向量机，线性判别分析，决 策树，一元回归，多元回归，1算法等方法的计算步骤的应用领域。 (四)教学方法与手段 课堂讲授7 第一节 KNN, K 近邻 1．主要内容 介绍 KNN 和 K 近邻算法的基本思想，区别与联系 2．基本概念和知识点 KNN，K 近邻 3．问题与应用（能力要求） 掌握 KNN 和 K 近邻算法的计算要领 第二节 Logistic 回归，线性支持向量机 1．主要内容 介绍 Logistic 回归，线性支持向量机的原理和计算技巧 2．基本概念和知识点 Logistic 回归，线性支持向量机，最优间隔超平面 3．问题与应用（能力要求） 掌握 Logistic 回归，线性支持向量机的计算技巧 第三节 线性判别分析，决策树 1．主要内容 介绍线性判别分析，决策树的应用领域、计算技巧 2．基本概念和知识点 线性判别分析，类类距离，类间距离，决策树 3．问题与应用（能力要求） 掌握线性判别分析，决策树的应用领域 第四节 一元回归，多元回归，l1 算法 1．主要内容 介绍一元回归和多元回归的原理，计算步骤以及岭回归，lasso 方法 2．基本概念和知识点 最小二乘回归，岭回归，lasso 3．问题与应用（能力要求） 掌握一元回归，多元回归的区别于联系，会运用岭回归，l1 算法来求 解实际问题 （三）思考与实践 思考 KNN, K 近邻，Logistic 回归，线性支持向量机，线性判别分析，决 策树，一元回归，多元回归，l1 算法等方法的计算步骤的应用领域。 （四）教学方法与手段 课堂讲授