Skip to content
This repository has been archived by the owner on Sep 12, 2024. It is now read-only.

xixici/datawhale-Primary-algorithm-season-8

Repository files navigation

Primary-algorithm-combing

课程设计:苏静、康兵兵

组队学习说明:通过查阅书籍或参考文献、学习视频等,对传统机器学习算法进行梳理

任务路线:线性回归--->逻辑回归--->决策树

组队学习周期:7天

定位人群:有概率论、矩阵运算、求导、泰勒展开等基础数学知识

难度系数:低

每个任务完成大概所需时间:2-3h

【任务1 - 线性回归算法梳理】时长:2天

  1. 机器学习的一些概念 有监督、无监督、泛化能力、过拟合欠拟合(方差和偏差以及各自解决办法)、交叉验证
  2. 线性回归的原理
  3. 线性回归损失函数、代价函数、目标函数
  4. 优化方法(梯度下降法、牛顿法、拟牛顿法等)
  5. 线性回归的评估指标
  6. sklearn参数详解

学习时长:两天

参考

西瓜书

cs229吴恩达机器学习课程

李航统计学习

谷歌搜索

公式推导参考:http://t.cn/EJ4F9Q0

【任务2 - 逻辑回归算法梳理】时长:2天

1、逻辑回归与线性回归的联系与区别 2、 逻辑回归的原理 3、逻辑回归损失函数推导及优化 4、 正则化与模型评估指标 5、逻辑回归的优缺点 6、样本不均衡问题解决办法

  1. sklearn参数

学习时长:两天

参考

西瓜书

cs229吴恩达机器学习课程

李航统计学习

谷歌搜索

公式推导参考:http://t.cn/EJ4F9Q0

【任务3 - 决策树算法梳理】时长:2天

  1. 信息论基础(熵 联合熵 条件熵 信息增益 基尼不纯度) 2.决策树的不同分类算法(ID3算法、C4.5、CART分类树)的原理及应用场景
  2. 回归树原理
  3. 决策树防止过拟合手段
  4. 模型评估
  5. sklearn参数详解,Python绘制决策树

学习时长:两天

参考:西瓜书

cs229吴恩达机器学习课程

李航统计学习

谷歌搜索

公式推导参考:http://t.cn/EJ4F9Q0

About

初级算法梳理第八期

Topics

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages