第三节核函数 第四节软间隔与正则化 第五节支持向量回归 第六节核方法 (三)思政内容 支持向量机必须依照所解决问题的具体关系进行建模，通过讲授这个核心道理， 增强学生具体问题具体分析的思想和能力。 第七章贝叶斯分类器 (一)目的与要求 1,掌握贝叶斯分类器的基本原理 2.熟悉极大似然估计的过程。 3.理解W算法。 (二)教学内容 第一节贝叶斯决策论 第二节极大似然估计 第三节朴素贝叶斯分类器 第四节半朴素贝叶斯分类器 第五节贝叶斯网 (三)思改内容 通过讲解贝叶斯理论在分类问题上的应用，引导学生面对复杂问题的时候，要 分清主次，好钢用在刀刃上，把关键资源用于解决关键问题。 第八章集成学习 (一)目的与要求 1.掌握集成学习的基本思想 2。理解随机森林的详细过程。 (二)教学内容 第一节个体与集成 第二节Boosting 第三节Bagging与随机森林 第四节结合策略 第五节多样性 (三)思政内容： 通过讲解集成学习模型，培养学生从整体把握问题，再逐步细化的科研思想 与方法。 第三节 核函数 第四节 软间隔与正则化 第五节 支持向量回归 第六节 核方法 （三）思政内容： 支持向量机必须依照所解决问题的具体关系进行建模，通过讲授这个核心道理， 增强学生具体问题具体分析的思想和能力。 第七章 贝叶斯分类器 （一）目的与要求 1. 掌握贝叶斯分类器的基本原理。 2. 熟悉极大似然估计的过程。 3. 理解 EM 算法。 （二）教学内容 第一节 贝叶斯决策论 第二节 极大似然估计 第三节 朴素贝叶斯分类器 第四节 半朴素贝叶斯分类器 第五节 贝叶斯网 （三）思政内容： 通过讲解贝叶斯理论在分类问题上的应用，引导学生面对复杂问题的时候，要 分清主次，好钢用在刀刃上，把关键资源用于解决关键问题。 第八章 集成学习 （一）目的与要求 1. 掌握集成学习的基本思想。 2. 理解随机森林的详细过程。 （二）教学内容 第一节 个体与集成 第二节 Boosting 第三节 Bagging 与随机森林 第四节 结合策略 第五节 多样性 （三）思政内容： 通过讲解集成学习模型，培养学生从整体把握问题，再逐步细化的科研思想 与方法