機(jī)器學(xué)習(xí)原理及應(yīng)用 教學(xué)日歷

教學(xué)日歷學(xué)年第1學(xué)期教學(xué)單位軟件學(xué)院課程名稱機(jī)器學(xué)習(xí)課程編號(hào)

學(xué)時(shí)32學(xué)分2適用專業(yè)軟件工程、電子信息授課教師職稱職務(wù)教師學(xué)時(shí)分配課堂講授自學(xué)指導(dǎo)學(xué)術(shù)研討專題報(bào)告上機(jī)其它32使用教材名稱出版社出版時(shí)間獲獎(jiǎng)情況機(jī)器學(xué)習(xí)清華大學(xué)出版社2022年9月全國(guó)優(yōu)秀教材一等獎(jiǎng)參考書目Python機(jī)器學(xué)習(xí)手冊(cè)從數(shù)據(jù)預(yù)處理到深度學(xué)習(xí)清華大學(xué)出版社2022年1月機(jī)器學(xué)習(xí)應(yīng)用實(shí)戰(zhàn)清華大學(xué)出版社2022年4月教學(xué)要求1、要求掌握的基本知識(shí)了解機(jī)器學(xué)習(xí)的發(fā)展歷程和應(yīng)用領(lǐng)域，理解機(jī)器學(xué)習(xí)的定義，掌握模型評(píng)估和選擇的方法，掌握各種學(xué)習(xí)模型的各自特點(diǎn)以及相應(yīng)的應(yīng)用領(lǐng)域。2、要求掌握的基本理論和方法（1）了解UML中各種圖在系統(tǒng)中的作用及其重要性；（2）理解線性模型、決策樹、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、貝葉斯分類器、集成學(xué)習(xí)和聚類等模型的相關(guān)特點(diǎn)；（3）理解線性模型、決策樹、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、貝葉斯分類器、集成學(xué)習(xí)和聚類等模型的算法推導(dǎo)過(guò)程；（4）掌握線性模型、決策樹、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、貝葉斯分類器、集成學(xué)習(xí)和聚類等模型的算法實(shí)現(xiàn)過(guò)程。3、要求掌握的基本技能掌握貝葉斯、KNN、支持向量機(jī)、決策樹、深度學(xué)習(xí)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)方法及其使用，能夠使用這些方法解決實(shí)際應(yīng)用問(wèn)題。教學(xué)目的機(jī)器學(xué)習(xí)課程為軟件工程專業(yè)電子信息方向研究生所開設(shè)的一門專業(yè)選修課。它的目的是向?qū)W生介紹機(jī)器學(xué)習(xí)的相關(guān)術(shù)語(yǔ)、相關(guān)概念，使學(xué)生了解機(jī)器學(xué)習(xí)的發(fā)展動(dòng)態(tài)，能夠查閱該領(lǐng)域的中英文文獻(xiàn)。理解回歸模型、決策樹、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、貝葉斯分類器、集成學(xué)習(xí)和聚類等模型的工作原理，掌握這些機(jī)器學(xué)習(xí)模型的算法實(shí)現(xiàn)。使學(xué)生能夠利用所掌握的機(jī)器學(xué)習(xí)模型解決實(shí)際應(yīng)用問(wèn)題的流程來(lái)解決各種應(yīng)用領(lǐng)域的問(wèn)題?？己朔绞酱笞鳂I(yè)成績(jī)計(jì)算方法總成績(jī)=平時(shí)成績(jī)×50%+大作業(yè)×50%平時(shí)成績(jī)包括：作業(yè)（占總成績(jī)20%），上機(jī)報(bào)告（30%）課時(shí)安排從第1周至第8周星期二／5一6節(jié)星期四／1一2節(jié)星期／一節(jié)星期／一節(jié)研309教室研309教室教室教室周次課次教學(xué)方式教學(xué)內(nèi)容學(xué)習(xí)重點(diǎn)及要求備注(作業(yè))11啟發(fā)講授第一章緒論什么是機(jī)器學(xué)習(xí)基本術(shù)語(yǔ)機(jī)器學(xué)習(xí)需要哪些數(shù)學(xué)基礎(chǔ)知識(shí)額機(jī)器學(xué)習(xí)需要哪些python基礎(chǔ)知識(shí)機(jī)器學(xué)習(xí)的發(fā)展歷程機(jī)器學(xué)習(xí)的應(yīng)用現(xiàn)狀學(xué)習(xí)重點(diǎn)：機(jī)器學(xué)習(xí)的定義和相關(guān)術(shù)語(yǔ)要求：熟悉機(jī)器學(xué)習(xí)的相關(guān)定義了解機(jī)器學(xué)習(xí)需要哪些數(shù)學(xué)知識(shí)和python知識(shí)作業(yè)：查閱機(jī)器學(xué)習(xí)的發(fā)展歷史12啟發(fā)講授模型評(píng)估與選擇2.1經(jīng)驗(yàn)誤差與過(guò)擬合2.2評(píng)估方法2.3性能度量學(xué)習(xí)重點(diǎn)：欠擬合和過(guò)擬合的定義數(shù)據(jù)集劃分的留出法、交叉驗(yàn)證法和自助法性能度量中的錯(cuò)誤率、查準(zhǔn)率、查全率。要求：1、掌握欠擬合和過(guò)擬合的定義2、掌握數(shù)據(jù)集劃分的三種方法，即留出法、交叉驗(yàn)證法和自助法3、掌握性能度量中的錯(cuò)誤率、查準(zhǔn)率、查全率的定義。作業(yè)：教材習(xí)題中的2.1,2.2和2.4三道題21啟發(fā)講授2.4比較檢驗(yàn)第三章線性模型2.1基本形式2.2線性回歸學(xué)習(xí)重點(diǎn)：一元線性回歸的模型以及參數(shù)的求解過(guò)程多元線性回歸的模型以及參數(shù)的求解過(guò)程要求：通過(guò)某種編程語(yǔ)言實(shí)現(xiàn)一元線性回歸模型和多元線性回歸模型熟悉線性回歸的定義上機(jī)報(bào)告：自己尋找數(shù)據(jù)集，編程實(shí)現(xiàn)一元線性回歸和多元線性回歸（不允許調(diào)用工具包）。周次課次教學(xué)方式教學(xué)內(nèi)容學(xué)習(xí)重點(diǎn)及要求備注(作業(yè))22啟發(fā)講授第三章線性模型3.3對(duì)數(shù)幾率回歸3.4線性判別分析3.5多分類學(xué)習(xí)學(xué)習(xí)重點(diǎn)：對(duì)數(shù)幾率回歸模型以及相應(yīng)參數(shù)的求解過(guò)程梯度下降法要求：了解線性判別分析的思想理解多分類學(xué)習(xí)模型掌握對(duì)數(shù)幾率回歸模型的定義以及相應(yīng)參數(shù)的求解過(guò)程。作業(yè)：選擇兩個(gè)UCI數(shù)據(jù)集，比較10折交叉驗(yàn)證法和留一法所估計(jì)的對(duì)率回歸的錯(cuò)誤率。31啟發(fā)講授第四章決策樹4.1基本流程4.2劃分選擇學(xué)習(xí)重點(diǎn)：決策樹算法思想屬性特征選擇的三種方法，如信息增益、增益率、基尼指數(shù)要求：理解決策樹算法的基本流程掌握信息增益、增益率、基尼指數(shù)這三種劃分選擇方法作業(yè)：復(fù)習(xí)信息增益、增益率和基尼指數(shù)的定義32啟發(fā)講授第四章決策樹4.3剪枝處理4.4連續(xù)與缺失值4.5多變量決策樹學(xué)習(xí)重點(diǎn)：預(yù)剪枝和后剪枝連續(xù)值和缺失值處理要求：掌握決策樹的預(yù)剪枝和后剪枝兩種方法掌握連續(xù)值和缺失值處理方法了解多變量決策樹上機(jī)報(bào)告：分別用信息增益、增益率和基尼指數(shù)作為劃分選擇方法實(shí)現(xiàn)決策樹模型41啟發(fā)講授神經(jīng)網(wǎng)絡(luò)5.1神經(jīng)元模型5.2感知機(jī)和多層網(wǎng)絡(luò)5.3誤差逆?zhèn)鞑ニ惴▽W(xué)習(xí)重點(diǎn)：神經(jīng)元模型多層網(wǎng)絡(luò)誤差逆?zhèn)鞑ニ惴ㄒ螅豪斫馍窠?jīng)元模型理解感知機(jī)和多層網(wǎng)絡(luò)掌握誤差逆?zhèn)鞑ニ惴ㄗ鳂I(yè)：復(fù)習(xí)感知機(jī)損失函數(shù)的推導(dǎo)過(guò)程周次課次教學(xué)方式教學(xué)內(nèi)容學(xué)習(xí)重點(diǎn)及要求備注(作業(yè))42啟發(fā)講授第五章神經(jīng)網(wǎng)絡(luò)5.4全局最小與局部極小5.5其它常見(jiàn)神經(jīng)網(wǎng)絡(luò)5.6深度學(xué)習(xí)學(xué)習(xí)重點(diǎn)：誤差全局最小和局部極小要求：理解神經(jīng)網(wǎng)絡(luò)誤差的全局最小和局部極小了解常見(jiàn)的幾種神經(jīng)網(wǎng)絡(luò)理解深度學(xué)習(xí)上機(jī)報(bào)告：實(shí)現(xiàn)誤差逆?zhèn)鞑ニ惴?，完成相?yīng)上機(jī)報(bào)告51啟發(fā)講授支持向量機(jī)6.1間隔與支持向量6.2對(duì)偶問(wèn)題6.3核函數(shù)學(xué)習(xí)重點(diǎn)：支持向量的定義核函數(shù)要求：理解間隔和支持向量的定義了解對(duì)偶問(wèn)題掌握核函數(shù)作業(yè)：什么是間隔，支持向量，核函數(shù)？52啟發(fā)講授第六章支持向量機(jī)6.4軟間隔與正則化6.5支持向量回歸6.6核方法學(xué)習(xí)重點(diǎn)：軟間隔與正則化支持向量回歸要求：理解軟間隔與正則化的思想掌握支持向量回歸模型了解核方法作業(yè)：寫出支持向量機(jī)損失函數(shù)的推導(dǎo)過(guò)程？61啟發(fā)講授貝葉斯分類器7.1貝葉斯決策論7.2極大似然估計(jì)7.3樸素貝葉斯分類器學(xué)習(xí)重點(diǎn)：樸素貝葉斯分類器要求：理解貝葉斯決策論了解極大似然估計(jì)掌握樸素貝葉斯分類器上機(jī)報(bào)告：編程實(shí)現(xiàn)樸素貝葉斯分類器周次課次教學(xué)方式教學(xué)內(nèi)容學(xué)習(xí)重點(diǎn)及要求備注(作業(yè))62啟發(fā)講授第七章貝葉斯分類器7.4半樸素貝葉斯分類器7.5貝葉斯網(wǎng)7.6EM算法學(xué)習(xí)重點(diǎn)：貝葉斯網(wǎng)要求：理解半樸素貝葉斯分類器掌握貝葉斯網(wǎng)分類器作業(yè)：復(fù)習(xí)半樸素貝葉斯分類器和貝葉斯網(wǎng)的工作原理71啟發(fā)講授集成學(xué)習(xí)8.1個(gè)體與集成8.2Boosting8.3Bagging與隨機(jī)森林8.4結(jié)合策略8.5多樣性學(xué)習(xí)重點(diǎn)：Boosting算法思想Bagging與隨機(jī)森林算法思想結(jié)合策略要求：熟悉集成的定義掌握Boosting、Bagging與隨機(jī)森林算法思想作業(yè)：簡(jiǎn)述集成學(xué)習(xí)有哪些構(gòu)成方式？72啟發(fā)講授聚類9.1聚類任務(wù)9.2性能度量9.3距離計(jì)算9.4原型聚類學(xué)習(xí)重點(diǎn)：性能度量、距離計(jì)算原型聚類的思想要求：熟悉聚類思想掌握性能度量和距離計(jì)算的各種方法作業(yè)：什么是聚類？有哪些性能度量，距離計(jì)算有哪些公式？81啟發(fā)講授聚類9.5密度聚類9.6層次聚類學(xué)習(xí)重點(diǎn)：密度聚類的算法