《Python机器学习与项目实践》全套教学课件.pptx

《Python机器学习与项目实践》;第1章绪论;更详细的课程概括;1.绪论

2.机器学习基础概述

3.经典线性模型

4.前馈神经网络

5.卷积神经网络

6.循环神经网络

7.图神经网络

8.机器学习模型的应用

;预备知识;1.1引言;1.1引言;图灵测试;人工智能的研究领域;发展历史;如何开发一个人工智能系统？;规则?;机器学习≈构建一个映射函数;芒果解释机器学习;芒果机器学习;如何开发一个人工智能系统？;标记、特征及样本;数据集;模型;4.向量;4.向量;一个生活中的例子：颜色;1.2概念;机器学习;机器学习的流程;机器学习模型的分类;机器学习应用领域介绍;1.3常用术语;假设函数和损失函数;拟合、过拟合和欠拟合;1.4机器学习环境构建和常用工具;机器学习环境构建和常用工具;推荐其他教材;推荐教材;推荐课程;推荐材料;人工智能顶会论文;机器学习基础概述;教学内容;数据特征表示;特征工程和特征学习;评价指标;评价指标;评价指标;评价指标;评价指标;评价指标;评价指标;评价指标;评价指标;评价指标;损失函数;损失函数;评价指标;评价指标;机器学习≈构建一个映射函数;现实世界的问题都比较复杂

很难通过规则来手工实现

;什么是机器学习？;机器学习的三要素;常见的机器学习问题;模型;学习准则;学习准则;最优化问题;梯度下降法（GradientDescent）;学习率是十分重要的超参数！;随机梯度下降法;随机梯度下降法;机器学习=优化？;泛化错误;如何减少泛化错误？;正则化（regularization）;提前停止;线性回归;线性回归（LinearRegression）;优化方法;经验风险最小化;矩阵微积分;经验风险最小化;经验风险最小化;结构风险最小化;最大似然估计;关于概率的一些基本概念;概率的一些基本概念;概率的一些基本概念;概率的一些基本概念;例子;似然（Likelihood）;从概率角度来看线性回归;线性回归中的似然函数;最大似然估计;最大后验估计;最大后验估计;总结;多项式回归;一个例子：PolynomialCurveFitting;WhichDegreeofPolynomial?;ControllingOverfitting:Regularization;ControllingOverfitting:Regularization;ControllingOverfitting:Datasetsize;机器学习的几个关键点;常见的机器学习类型;如何选择一个合适的模型？;模型选择：偏差与方差;线性???型;教学内容;矩阵微积分;关于概率的一些基本概念;概率的一些基本概念;概率的一些基本概念;概率的一些基本概念;线性回归模型;模型：

增广权重向量和增广特征向量

;第1步，我们需要导入所需的包。

增广权重向量和增广特征向量

1．from?sklearn?import?datasets???#导入sklearn?中的数据集??

2．from?sklearn.model_selection?import?train_test_split?#导入数据集划分模块??

3．from?sklearn.linear_model?import?LinearRegression?#导入线性回归模型??

4．from?sklearn.metrics?import?mean_squared_error?#导入均方差评价指标?

?

;第2步，首先加载数据集

增广权重向量和增广特征向量

1．#加载波士顿房价数据集??

2．boston_data=datasets.load_boston()??

3．#获取波士顿房价数据集的特征集??

4．bonston_x=boston_data.data???

5．#获取波士顿房价数据集的目标值??

6．bonston_y=boston_data.target??

7．#查看数据集键值对??

8．print(boston_data.keys())??

9．#查看数据集描述??

10．print(boston_data.DESCR)??

11．#查看数据集特征值形状，可以看出有506个样本，每个样本有13个特征??

12．print(bonston_x.shape)????

13．#查看数据集目标值形状，有506个目标值。可以发现没有缺失值??

14．print(bonston_y.shape)??

?

;通过结果可以知道共有506个样本，特征向量维度为13，也就是说房价有13个影响因素。增广权重向量和增广特征向量

?

;第3步，划分训练集和测试集，其中测试集占数据集的20%。

1．#对数据集进行划分，其中测试集占数据集的20%??

2．features_train,fea