MACHINE LEARNING · 从场景到算法
从算法选型到分类、预测与聚类,循序渐进建立机器学习的基础认知。
先理解问题,再选择合适的算法。
建议按顺序学习,也可以直接查看感兴趣的阶段。
5 门课程已全部开放:建议按学习路线前进,也可以直接进入感兴趣的主题。
FOUNDATIONS
算法认知 · 场景判断 · 模型选型
理解监督学习、无监督学习等基本类型,掌握常见算法的特点、差异及选型思路。
CLASSIFICATION & REGRESSION
分类 · 距离度量 · 近邻思想
理解“近朱者赤,近墨者黑”的近邻分类思想,掌握距离计算、K值选择及分类过程。
预测 · 拟合 · 连续变量
从数据关系出发,学习如何通过一条最佳拟合直线完成连续数值预测。
TREES & CLUSTERING
树模型 · 集成学习 · 特征判断
理解树形决策过程,以及随机森林通过多棵决策树提升模型稳定性和准确率的原理。
聚类 · 无监督学习 · 用户分群
理解基于距离的无监督聚类方法,掌握质心更新、样本分组及典型应用场景。