2025-06-24 12:04 浙江
黄海广老师的《机器学习》课程课件原版全集下载
本课件是温州大学黄海广老师的机器学习课程的授课课件，授课视频在中国大学慕课：https://www.icourse163.org/course/WZU-1464096179 （累计学习超过3.8万人）因为慕课有学期限制，相同的视频在b站，已经添加字幕，方便老师们参考：https://www.bilibili.com/video/BV1gP4y177cf这门课面向初学者，内容比较基础，适合入门。配套的教材“机器学习入门基础（微课版）”（ISBN 9787302619581）清华大学出版社已出版，目前被100多所学校采纳为本科生教材。
课程其它资源（代码等）公布在Github：
https://github.com/fengdu78/WZU-machine-learning-course如果是大学教师，可以发邮件给黄海广老师索取课程教学大纲、教学进度、习题等资料。
（haiguang2000@wzu.edu.cn，请用edu邮箱发，告知姓名学校，仅用于教学目的，请勿用于商业用途）
建议可以根据ppt内容编排进行授课，建议授课课时：32课时。
水平有限，难免有小错误，若有更新，也可以发邮件给黄海广老师，也可以发邮件索取老师微信。
这个合集ppt还会更新，下载方式：
最新版本（2024年12月11日，v16版本）
下载链接：
https://pan.baidu.com/s/1r7bgOa_4YYqdYax5aevRsA?pwd=pcmf解压密码：haiguang2000
授课目标1、掌握机器学习的基本问题定义、基本模型，对机器学习学科有概览性的认识。2、掌握目前主流的机器学习算法和模型，并能够根据实际问题的需要选择并实现相应的算法。3、编程完成机器学习典型应用实例，对机器学习工程编程有初步的训练。ppt目录01 引言1.1 机器学习概述1.2 机器学习的类型1.3 机器学习的背景知识1.4 机器学习的开发流程02 回归2.1 线性回归2.2 梯度下降2.3 正则化2.4 回归的评价指标03 逻辑回归3.1 分类问题3.2 Sigmoid函数3.3 逻辑回归求解3.4 逻辑回归的代码实现04 朴素贝叶斯4.1 贝叶斯方法4.2 朴素贝叶斯原理4.3 朴素贝叶斯案例4.4 朴素贝叶斯代码实现05 机器学习实践5.1 数据集划分5.2 评价指标5.3 正则化、偏差和方差06 KNN算法6.1 距离度量6.2 KNN算法6.3 KD树划分6.4 KD树搜索07 决策树7.1 决策树原理7.2 ID3算法7.3 C4.5算法7.4 CART算法08 集成学习8.1 集成学习方法概述8.2 随机森林算法8.3 AdaBoost和GBDT算法8.4 XGBoost算法8.5 LightGBM算法09 人工神经网络9.1 人工神经网络概述9.2 感知机算法9.3 反向传播算法(BP算法)10 支持向量机9.1 支持向量机概述9.2 线性可分支持向量机9.3 线性支持向量机9.4 线性不可分支持向量机11聚类11.1 无监督学习概述11.2 K-means聚类11.3 密度聚类和层次聚类11.4 聚类的评价指标12 降维12.1 降维概述12.2 SVD(奇异值分解)12.3 PCA(主成分分析)13 关联规则13.1 关联规则概述13.2 Apriori 算法13.3 FP-Growth算法机器学习附录高等数学回顾概率论回顾线性代数回顾机器学习项目流程Numpy使用总结时间序列总结特征工程机器学习库Scikit-learn课程大纲可能会有小范围调整。与其他优秀的机器学习课程相比，本课程内容相对简单易懂，资料全面，课程团队坚信：让地方性本科院校的学生也能入门机器学习。课件下载
下载链接：https://pan.baidu.com/s/1r7bgOa_4YYqdYax5aevRsA?pwd=pcmf
解压密码：haiguang2000
