人工智能与机器学习

课程大纲

• 第1章前言
•     第1节 机器学习 试听
  视频名称:1.1、机器学习.mp4
•     第2节 必要的库和工具 试听
  视频名称:1.2、必要的库和工具.mp4
•     第3节 认识数据
•     第4节 第一个应用：鸢尾花分类

• 第2章监督学习
•     第1节 分类与回归
•     第2节 泛化、过拟合和欠拟合
•     第3节 监督学习算法
•     第4节 KNN算法
•     第5节 调参及距离的度量

• 第3章回归算法
•     第1节 线性回归
•     第2节 梯度下降
•     第3节 岭回归
•     第4节 Lasso回归

• 第4章逻辑回归
•     第1节 逻辑回归
•     第2节 Softmax回归
•     第3节 代码实现
•     第4节 参数调整

• 第5章决策树和随机森林
•     第1节 决策树
•     第2节 决策树的生成
•     第3节 过拟合
•     第4节 代码实现和决策树分析
•     第5节 随机森林

• 第6章支持向量机
•     第1节 线性支持向量机
•     第2节 线性模型和非线性特征
•     第3节 核支持向量机
•     第4节 参数调整

• 第7章神经网络
•     第1节 线性代数
•     第2节 神经网络
•     第3节 反向传播
•     第4节 代码实现

• 第8章数据缩放
•     第1节 数据缩放
•     第2节 相同的缩放
•     第3节 数据缩放对结果的影响
•     第4节 无监督学习
•     第5节 K-means
•     第6节 DBSCAN

• 第9章PCA主成分分析
•     第1节 PCA主成分分析
•     第2节 主成分
•     第3节 数据可视化
•     第4节 分析成分

• 第10章数据表示与特征工程
•     第1节 分类特征
•     第2节 分箱、离散化
•     第3节 交互特征与多项式特征
•     第4节 缺失值特征

• 第11章模型评估与改进
•     第1节 拆分数据集
•     第2节 交叉验证
•     第3节 网格搜索
•     第4节 交叉验证网格搜索

• 第12章处理文本数据
•     第1节 词袋模型
•     第2节 停用词
•     第3节 Tf-idf
•     第4节 N-gram
•     第5节 朴素贝叶斯

实验列表

• 实验名称疫情增加人数预测
• 实验描述疫情已经肆虐了几年，对我们的生活带了了很多不便。关于疫情何时结束，兰州大小做了相关的系统用于预测疫情相关数据。《新冠肺炎疫情全球预测系统》(GPCP)基于实时更新的流行病数据，对每个国家的逐日和季节性新增新冠肺炎发病数进行可靠预报。模型的第一版使用了改良的SIR流行病模型，该模型结合了全球真实流行病数据，同时考虑气象因素和隔离措施对于COVID-19传播的影响。第二版使用了更复杂的SEIR模型。在这一版本中，我们考虑了社区解封时间以及市民自我隔离对于疫情发展的影响。第二版模型可以用来进行季节性预测及疫情的二次暴发的预测。模型的参数通过真实流行病数据反演得到。与此同时，我们利用EEMD-ARMA方法对预测结果进行修正，以得到更优的预测效果。 在本次实验中，我们会对《新冠肺炎疫情全球预测系统》进行简单的实现。我们利用历史的新增人数训练一个线性回归模型，然后预测往后的新增人数。

• 实验名称心脏病病发检测
• 实验描述本实验使用下面结果特征作为判断依据： - Age：患者年龄 - Sex：性别 - exang：运动诱发的心绞痛（1 = 是；0 = 否） - ca：主血管数量（0-3） - cp：胸痛型 - 值 1：典型心绞痛 - 值 2：非典型心绞痛 - 值3：非心绞痛 - 值 4：无症状 - trtbps：静息血压（毫米汞柱） - chol：通过 BMI 传感器获取的以 mg/dl 为单位的胆甾醇 - fbs：（空腹血糖 > 120 mg/dl）（1 = 真；0 = 假） - rest_ecg : 静息心电图结果 - 值 0：正常 - 值 1：ST-T 波异常（T 波倒置和/或 ST 段抬高或压低 > 0.05 mV） - 值 2：根据埃斯蒂斯标准显示可能或明确的左心室肥厚 - thalach : 达到最大心率 训练一个心脏病病发检测的程序。

• 实验名称手写数字识别
• 实验描述手写数字识别是模式识别领域的一个重要分支,它研究的核心问题是:如何利用计算机自动识别人手写在纸张上的阿拉伯数字。本实验使用神经网络，来进行手写数字识别。手写数字识别可以看成10分类的图像分类问题，我们把图像像素作为特征，把对应的数字作为目标。

• 实验名称图像分割
• 实验描述图像分割可以认为是对像素点的分类问题。实现图像分割的方法多种多样，包括Otsu、Faster-RCNN、SSD等。本次使用使用无监督学习算法Kmeans实现简单的图像分割。

• 实验名称泰坦尼克生还预测
• 实验描述泰坦尼克生还预测是一个非常经典的问题，记录了泰坦尼克号乘客的各种信息以及是否生还。该数据集包含缺失值，并且包含分类数据。该数据集无法直接交给机器学习模型训练，需要进行处理。

• 实验名称泰坦尼克生还预测
• 实验描述泰坦尼克生还预测是一个非常经典的问题，记录了泰坦尼克号乘客的各种信息以及是否生还。该数据集包含缺失值，并且包含分类数据。该数据集无法直接交给机器学习模型训练，需要进行处理。

• 实验名称情感分析
• 实验描述对人们对产品、服务、组织、个人、问题、事件、话题及其属性的观点、情 感、情绪、评价和态度的计算研究。文本情感分析（Sentiment Analysis）是自然语言处理（NLP）方法中常见的应用，也是一个有趣的基本任务，尤其是以提炼文本情绪内容为目的的分类。它是对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程。 这里将介绍情感分析中的情感极性（倾向）分析。所谓情感极性分析，指的是对文本进行褒义、贬义、中性的判断。在大多应用场景下，只分为两类。例如对于“喜爱”和“厌恶”这两个词，就属于不同的情感倾向。