机器学习技术-全套PPT课件.pptx

;本教材精选多个小项目应用机器学习的知识描述建模过程，机器学习是计算机科学与人工智能的重要分支领域。在大数据起步的今天，捕获数据并从中萃取有价值的信息或模式越来越重要，从理论到实践应用，机器学习已经成为众多行业关注的焦点。同时，Python在网站开发、系统管理、爬虫等得到广泛应用之外，在科学计算领域也建立了牢固的基础，一些Python机器学习的工具极大简化机器学习的难度，有效节省研究过程与项目成本。本章将重点学习机器学习的基本概念、基于PyCharm工具下Python3+Numpy环境的安装与配置，Python主要类库介绍（数值计算numpy，可视化工具matplotlib，分析工具Pandas、机器学习库sklearn）等内容。;;;Coursecatalogue;任务目标：

能理解机器学习基本知识。

能独立配置机器学习项目开发的环境。

任务分析：

机器学习相关概念——发展史——机器学习建模过程——模型相关算法选择

任务分解：

本任务共设定7个子任务，分7大步骤完成。

第1步：理解机器学习基本概念、目标。

第2步：理解机器学习发展的简史

第3步：理解机器学习过程中每步需要完成的工作

第4步：了解机器学习中的主务

第5步：了解机器学习中模型评估主要方法和作用

第6步：理解选择合适算法的方法

第7步：理解机器学习项目中关键术语的涵义;;;;;;;;;Coursecatalogue;任务目标：

能理解机器学习中常用模型的特点及应用场景

任务分析：

K近邻——回归——决策树——贝叶斯分类——支持向量机——集成学习——聚类——深度神经网络

任务分解：

本任务主要针对机器学习中常用模型的概述内容，共设定8个子任务，分8大步骤完成。

第1步：理解最简单的k近邻模型的特点及应用场景。

第2步：理解回归模型的特点及应用场景。

第3步：理解决策树模型的特点及应用场景。

第4步：理解贝叶斯分类模型的特点及应用场景。

第5步：理解支持向量机模型的特点及应用场景。

第6步：理解集成模型的特点及应用场景。

第7步：理解聚类模型的特点及应用场景。

第8步：理解深度神经网络模型的特点及应用场景。;;;;;;;;;Coursecatalogue;任务目标：

能??立配置Python+PyCharm的开发环境。

任务分析：

PyCharm工具下Python环境配置——numpy安装——PyCharm引入numpy工具包

任务分解：

本任务共设定3个子任务，分3大步骤完成。

第1步：理解选用Python的原由。

第2步：PyCharm工具下Python环境配置。

第3步：numpy工具安装，并在PyCharm下引入numpy工具包。;;;;;Coursecatalogue;任务目标：

能独立配置Python+PyCharm的开发环境。

任务分析：

PyCharm工具下Python环境配置——numpy安装——PyCharm引入numpy工具包

任务分解：

本任务结合一个电影分类的业务，应用K近邻最简应用模式，引入机器学习需要的分析工具知识。共设定5个子任务，分5大步骤完成。

第1步：理解Python应用的分析工具的基本知识。

第2步：理解电影分类业务知识，及应用分析工具介绍。

第3步：安装并应用pandas实现电影分类数据读取。

第4步：安装并应用matplotlib实现电影分类数据可视化。

第5步：安装并应用sklearn实现电影分类学习过程。;;;;;;Coursecatalogue;;Coursecatalogue;;;;k最近邻（k-nearestneighbor，k-NN）的核心思想是:假若一个特征空间中大多数的样本属于某一个类别，则在这个特征空间中，k个最相似的样本也属于这个类别。该模型可用于待分样本所属的类别判定或简单回归模型的计算,其核心关注点为测试点个数（k）与距离计算模型的确定.模型简单易于理解，是机器学习中较理想的入门级算法，在OCR识别系统、电商平台用户分类、银行数据预测客户行为、高职贫困生认定、金融时间序列预测、短时交通预测等领域得到研究与证实。本章从学生成绩分类出发，对K近邻算法进行理论讲解与程序实现；然后以意大利某一地区葡萄酒为例，实现kNN葡萄酒分类器构建，演示kNN机器学习过程。;;;Coursecatalogue;任务目标：

能正确应用Sklearn工具实现k近邻回归与分类的建模过程。

任务分析：

理解k近邻核心思想——k近邻分类模型建模——k近邻回归模型建模——过拟合问题

任务分解：

本任务共设定3个子任务，分3大步骤完成。

第1步：理解k近邻分类与回归核心思想。

第2步：能基于Python环境k近邻分类与回归的Slearn建模

第3步：能理解因子k选择与过拟合问题;;;;;;;Coursecatalog