课程：机器学习的n个经典实验

课程简介

本课程基于BaseML设计，选择机器学习中最为经典的算法和数据集，以实验的方式呈现。课程涉及了线性回归（LinearRegression）、多项式回归（Polynomial）、随机森林（RandomForest）、支持向量机（SVM）、决策树（CART）、朴素贝叶斯（NaiveBayes）、K最近邻（KNN）、多层感知机（MLP）、Kmeans和Birch等。

实验涉及到的数据集，除来自经典数据集（如汽车燃油、波士顿房价、鸢尾花等）外，大部分属于自行制作。实验涉及的代码可以通过浦育平台（OpenInnoLab）、Mo平台访问和运行。

本课程由开源AI课程计划团队开发，涉及的文档、代码、演示文稿、数据集等全部采用CC-BY协议开源。开源AI课程计划全称为开源青少年AI课程众筹计划，由谢作如名师工作室和温州科技高级中学发起的公益活动。活动关注以机器学习、深度学习为核心的新一代AI技术，以“开源”的方式分享各种面向真实问题解决的项目式学习课程，期望能形成一系列具备复制价值的中小学AI课程库。

编写人员

规划：谢作如

编写：陆雅楠、林淼焱、陈恩慈、邱奕盛、魏静洁

审稿：刘正云、张敬云

课程内容

前言 机器学习基础知识

  • 机器学习的概念

  • 机器学习的基本流程

  • 机器学习的训练工具

第一部分 回归任务

  • 1-1 线性回归和温度转换探究

  • 1-2 多项式回归和汽车燃油效率预测

  • 1-3 随机森林和波士顿房价

  • 1-4 支持向量机和鲍鱼年龄预测

第二部分 分类任务

  • 2-1 决策树和出行预测

  • 2-2 朴素贝叶斯和天气预报

  • 2-3 K最近邻和果物分类

  • 2-4 支持向量机和手势分类

  • 2-5 多层感知机和鸢尾花分类

第三部分 聚类任务

  • 3-1 Kmeans聚类和场馆分布

  • 3-2 Birch算法和操场人群分布实验