msds621:旧金山大学的MSDS621课程笔记,机器学习简介

时间:2024-03-17 03:05:18
【文件属性】:

文件名称:msds621:旧金山大学的MSDS621课程笔记,机器学习简介

文件大小:63.79MB

文件格式:ZIP

更新时间:2024-03-17 03:05:18

JupyterNotebook

MSDS621机器学习简介 “我们相信上帝; 其他所有带来数据。 ” —归因于W. Edwards Deming和George Box 本课程向学生介绍表格/结构化数据的机器学习的关键过程,模型和概念,例如: 数据清理 处理丢失的数据 基本特征工程 功能选择 模型实施 模型训练 模型评估 模式解释 我们将深入研究一些关键模型,而不是提供广泛而肤浅的模型概览。 作为本课程的一部分,学生将通过梯度下降,用于文本情感分析的朴素贝叶斯模型,决策树和随机森林模型,通过正则化实现线性和逻辑回归。 自己实施这些模型对于真正理解它们至关重要。 正如理查德·费曼(Richard Feynman)所说:“我无法创造的东西,我不理解。 ”(从他去世时的黑板上)更容易。 班级详情 讲师。 。 我是计算机科学和部门的教授,并且是USF的Analytics in Analytics程序(后来成为MS数据科学计


网友评论