机器学习算法实验

课程编码：180206085410M5001Y 英文名称：Machine Learning Algorithm Experiment 课时：40 学分：1.00 课程属性：实验课 主讲教师：王泳

本课程是人工智能学院工程硕士研究生培养中的一门实验课。21世纪以来，在数据和计算能力指数式增长的支持下，机器学习算法在应用中取得了重大突破，如人脸识别、语音识别、自然语言处理、网页搜索、购物推荐、自动化交易等方面都取得了突破性进展，掀起了新一轮的人工智能浪潮。这些应用的背后是一大批新的机器学习算法，如统计学习理论、支持向量机、概率图模型、深度神经网络等，这些算法都通过计算机程序实现，因此实现机器学习算法的实际应用离不开计算机操作实验的支撑。

高等数学，矩阵论，数理统计

第一章 绪论 2.5学时 王泳
第1节 课程介绍
第2节 模式识别
第3节 有关模式识别的若干问题
第4节 机器学习
第5节 机器学习面对的挑战
第二章 K-近邻算法 2.0学时 王泳
第1节 K-近邻算法概述
第2节 K-近邻算法的实现：kD树
第3节 实战：利用K-近邻算法改进约会网站
第三章 朴素贝叶斯 5.0学时 王泳
第1节 贝叶斯定理
第2节 贝叶斯学习：朴素贝叶斯
第3节 贝叶斯决策
第4节 贝叶斯参数估计
第5节 实战：利用朴素贝叶斯分类模型进行文档分类
第6节 实战：利用朴素贝叶斯分类模型过滤垃圾邮件
第四章 逻辑回归与梯度下降法 4.5学时 王泳
第1节 线性回归与最小二乘法
第2节 逻辑回归
第3节 梯度下降法及其改进算法
第4节 实战：用梯度下降法拟合逻辑回归模型最佳参数
第5节 实战：用梯度下降法求Rosenbrock函数的极值
第五章 支持向量机 5.0学时 王泳
第1节 支持向量机简介
第2节 寻找最大间隔
第3节 序列最小优化
第4节 核函数及其应用
第六章 AdaBoost算法 5.0学时 王泳
第1节 集成学习算法简介
第2节 AdaBoost算法原理
第3节 单层决策树与AdaBoost算法
第4节 实战：通过AdaBoost算法进行分类
第5节 非平衡分类
第七章 K-means 算法 4.0学时 王泳
第1节 无监督学习
第2节 K-means算法
第3节 二分K-means算法
第4节 实战：K值的选择与可视化
第八章 Apriori 算法 5.0学时 王泳
第1节 关联分析
第2节 Apriori算法
第3节 实战：从超市购物清单中挖掘信息
第4节 实战：发现毒蘑菇的相似特征
第九章 主成分分析 2.0学时 王泳
第1节 数据降维
第2节 实战：对Iris数据集降维
第十章 奇异值分解 5.0学时 王泳
第1节 特征值分解
第2节 奇异值分解
第3节 实战：图片压缩
第4节 实战：基于协同过滤的推荐系统

王泳，博士，讲师，北京人工智能学会理事，北京医学会检验医学分会检验信息与实验室自动化学组副组长。
毕业于中科院自动化研究所模式识别国家重点实验室，在大数据分析、模式识别、自然语言处理等领域进行了较为深入研究，主持、参与多项国家973、863、自然科学基金、中科院院长基金等项目研究，发表学术论文40多篇，获得国家发明专利2项、国家计算机软件著作权2项。

获得奖项：
（1） 第一届中国科学院大学领雁奖章-振翅奖, 一等奖, 研究所（学校）, 2020
（2） 第九届吴文俊人工智能科技进步奖, 二等奖, 部委级, 2019
（3） 第十二届中国产学研合作创新成果奖, 二等奖, 国家级, 2018