机器学习原理及应用 -教学大纲.doc

《机器学习》课程教学大纲

课程英文名称（MachineLearning）

课程编号：学分：

2

学时：

32

开课学期：

2

适用学科：

计算机科学与技术、软件工程、电子信息

课程性质：

基础课

开课单位：

软件学院

课程的性质及目标

机器学习是计算机科学与技术、软件工程、电子信息专业的基础选修课。该课程介绍机器学习的基本概念，如监督学习、无监督学习、半监督学习等，让学生理解不同类型的机器学习问题和解决方法；该课程介绍一些常见的机器学习算法，如线性回归、逻辑回归、决策树、支持向量机等，让学生了解这些算法的原理和应用；该课程介绍模型评估的方法和指标，如准确率、精确率、召回率、F1分数等，以及如何调整模型的参数以获得更好的性能；该课程介绍如何进行特征选择和特征转换以提高模型的性能；该课程通过实践项目来应用所学的知识，如使用Python编程语言和相关机器学习库（如scikit-learn、TensorFlow、PyTorch等）实现简单的机器学习模型。机器学习课程的目的是让学生建立对机器学习的基本理解和技能，为他们在未来深入研究这一领域打下基础。

课程的教学内容及要求

机器学习基础：介绍机器学习的定义、发展历史、基本符号和术语、分类、机器学习过程以及工具的使用。机器学习的过程涵盖了数据的收集、预处理、特征工程、模型选择、训练、评估和优化等多个步骤，强调数据驱动的模型构建过程。

介绍几种常用的评估方法，包括留出法、交叉验证法、留一法交叉验证和自助法，探讨如何调整模型参数以优化性能，介绍不同的性能度量，如错误率、准确率、查准率、召回率、F1分数、ROC曲线和AUC。

介绍回归分析的基本内容，涵盖一元线性回归、多元线性回归、对率回归、多项式回归、正则化回归等多个主题的原理、参数求解方法、代码实现、回归模型的评价指标，介绍如何构建房价预测模型和信用卡欺诈行为分类模型。

介绍决策树的基础知识，包括决策树的概念、优缺点、信息增益、增益率和基尼指数等划分准则，介绍决策树的建立过程、多变量决策树、随机森林、梯度提升树、回归决策树、回归加权平均树、随机森林回归树和梯度提升回归树。通过两个实践案例，分别是构建巴黎住房分类模型和航班价格预测模型，展示了决策树模型在实际场景中的应用。

介绍神经元模型和各种激活函数、感知机模型和多层前馈神经网络模型的结构、原理、参数和实现方式。通过案例展示如何利用感知机和多层感知机构建一个南瓜子分类模型。

介绍线性分类、最大间隔分类的原理、硬间隔SVM和软间隔SVM的模型、对偶问题的求解和松弛变量的概念、核支持向量机，利用两种SVM模型构建手机价格分类模型。

介绍贝叶斯分类器的基本原理，包括贝叶斯决策论和极大似然估计，并详细探讨朴素贝叶斯分类器和半朴素贝叶斯分类器的相关概念和方法。介绍贝叶斯网络的定义、结构特征、学习和推断方法，展示了贝叶斯分类器在实践中的广泛应用。最后构建鸢尾花分类模型。

介绍基于划分的聚类算法、基于层次的聚类算法、基于密度的聚类算法、谱聚类算法等，对每种算法的原理和步骤进行详细讲解，介绍聚类评估的方法，最后，通过应用聚类算法对客户进行细分。

介绍主成分分析（PCA）算法和奇异值分解（SVD）的原理和算法步骤，通过生物体基因进行降维的实例展示如何利用PCA和SVD对数据进行降维操作。

介绍三种重要的集成学习方法：自助聚合法（Bagging）、可提升算法（Boosting）和堆叠算法（Stacking）。以构建红酒分类模型为例，分别演示了利用Bagging、Boosting和Stacking三种集成学习方法来实现模型的搭建和优化。

三、课程学时分配

教学内容

理论学时

实验（实践）学时

备注

第一章绪论

2

第二章模型评估与调优

2

第三章回归分析

4

第四章决策树

4

第五章神经网络

4

第六章支持向量机

4

第七章贝叶斯分类器

2

第八章聚类分析

6

第九章降维技术

2

第十章集成学习

2

合计学时

32

四、教学与考核方式

教学环节包括：课堂讲授和上机实践。通过本课程各个教学环节的教学，重点培养学生分析问题解决问题的能力。

（一）课堂讲授

1.教学方法上采用启发式、讨论式教学，在课堂上多提问题，安排相关的自学内容，激发学生主动学习的兴趣，鼓励学生自学，培养学生独立思考、分析问题和解决问题的能力。

2.在教学内容上，重点讲授回归分析、分类分析、聚类分析所用到的技术，使学生掌握各类算法的理论和应用，注意培养学生数据分析能力，为以后的专业学习打下坚实基础。

3.在教学过程中采用多媒体教学，增强教学的直观性。

（二）上机实践

选择经典项目案例进行分析，指导学生完成上机实践内容，上机报告完成情况作为评定课程学习成绩的依据。

表4实践项目名称

序号

实践项目名称

类型

要