【课程目标】

本课程为高级课程，专注于机器学习算法，原理，以及算法实现及优化。

**本课程的学习，达到如下目的：

1、 熟悉常见的机器学习的算法。

2、 掌握机器学习的算法原理，以及数据推导。

3、 学会使用Python来实现机器学习算法，以及优化算法。

4、 掌握scikit-learn扩展库来实现机器学习算法。

【授课时间】

2-3天时间

【授课对象】

IT系统部、大数据系统开发部、大数据建模等IT技术人员。

【学员要求】

本课程只讲算法实现，不涉及完整的数据建模和模型使用，所以要求学员之前已经掌握数据建模基础，熟悉建模过程。

1、 每个学员自备一台便携机(必须)。

2、 要求有Python开发基础，事先安装Python 3.9版本以上。

3、 要求有基本的数据分析和数据挖掘的知识。

注：讲师现场提供开源的安装程序、扩展库，以及现场分析的数据源。

【授课方式】

机器学习任务 算法原理 数学推导 Python实现

从任务出发，了解算法原理，以及数学推导过程，全过程演练操作，让学员在分析、分享、讲授、总结、自我实践过程中获得能力提升。

【课程大纲】

**部分： 机器学习基础

1、 机器学习简介

2、 机器学习的种类

Ø 监督学习/无监督学习/半监督学习/强化学习

Ø 批量学习和在线学习

Ø 基于实例与基于模型

3、 机器学习的主要战挑

Ø 数据量不足

Ø 数据质量差

Ø 无关特征

Ø 过拟合/拟合不足

4、 机器学习任务

Ø 监督：分类、回归

Ø 无监督：聚类、降维、关联规则

5、 机器学习基本过程

6、 机器学习常用库

第二部分： 回归算法实现

1、 建模的本质，其实是一个**优化问题

2、 回归模型的基础

3、 基本概念：损失函数

4、 线性回归常用算法

Ø 普通**小二乘法OLS

Ø 梯度下降算法

Ø 牛顿法/拟牛顿法

5、 **小二乘法

a) 数学推导

b) OLS存在的问题

6、 过拟合解决方法：正则化

Ø 岭回归（Ridge）

Ø 套索回归Lasso

Ø ElasticNet回归

Ø 各种算法的适用场景

7、 超大规模数据集的回归模型：迭代算法

Ø 梯度概念

Ø 梯度下降/上升算法

Ø 批量梯度BGD/随机梯度SGD/小批量梯度MBGD

Ø 学习率的影响

Ø 早期停止法

8、 梯度算法的关键问题

9、 牛顿法/拟牛顿法

Ø 泰勒公式(Taylor)

Ø 牛顿法(Newton)

Ø 拟牛顿法(Quasi-Newton)的优化

² DFP/BFGS/L-BFGS

10、 算法比较

第三部分： 逻辑回归算法

1、 逻辑回归基础

2、 LR的常用算法

Ø **大似然估计法

Ø 梯度算法

Ø 牛顿法

3、 **大似然估计法

Ø 似然函数/损失函数

Ø 数学推导

4、 模型优化

Ø 迭代样本的随机选择

Ø 变化的学习率

5、 逻辑回归 正则项

6、 求解算法与惩罚项的关系

7、 多元逻辑回归处理

Ø ovo

Ø ovr

Ø 优缺点比较

8、 逻辑回归建模实战

案例：用sklearn库实现银行贷款违约预测

案例：订阅者用户的典型特征（二元逻辑回归）

案例：通信套餐的用户画像（多元逻辑回归）

第四部分： 决策树算法

1、 决策树简介

演练：识别银行欠货风险，提取欠贷者的特征

2、 决策树的三个关键问题

Ø **优属性选择

² 熵、基尼系数

² 信息增益、信息增益率

Ø 属性**划分

² 多元划分与二元划分

² 连续变量**优划分

Ø 决策树修剪

² 剪枝原则

² 预剪枝与后剪枝

3、 构建决策树的算法

Ø ID3、C4.5、C5.0

Ø CART

4、 决策树的超参优化

5、 决策树的解读

6、 决策树建模过程

案例：商场酸奶购买用户特征提取

案例：客户流失预警与客户挽留

案例：识别拖欠银行货款者的特征，避免不良货款

案例：识别电信诈骗者嘴脸，让通信更安全

案例：电力窃漏用户自动识别

第五部分： 神经网络算法

1、 神经网络简介（ANN）

2、 神经元基本原理

Ø 加法器

Ø 激活函数

3、 神经网络的结构

Ø 隐藏层数量

Ø 神经元个数

4、 神经网络的建立步骤

5、 神经网络的关键问题

6、 BP算法实现

7、 MLP多层神经网络

8、 学习率的设置

案例：评估银行用户拖欠货款的概率

案例：神经网络预测产品销量

第六部分： 线性判别算法

1、 判别分析简介

2、 判别分析算法

Ø 中心和方差

Ø 类间散席Sb

Ø 类内散席Sw

3、 特征值和特征向量

4、 多分类LDA算法

5、 算法实战

案例：MBA学生录取判别分析

案例：上市公司类别评估

第七部分： **近邻算法（KNN）

1、 KNN的基本原理

2、 K近邻的关键问题

Ø 距离公式

Ø 投票机制

3、 KNN算法实现

Ø Brute（蛮力计算）

Ø Kd_tree（KD树）

Ø Ball_tre（球树）

4、 算法比较

第八部分： 贝叶斯算法（NBN）

1、 贝叶斯简介

2、 贝叶斯分类原理

Ø 先验概率和后验概率

Ø 条件概率和类概率

3、 常见贝叶斯网络

4、 计算类别属性的条件概率

5、 估计连续属性的条件概率

6、 预测分类概率（计算概率）

7、 拉普拉斯修正

案例：评估银行用户拖欠货款的概率

第九部分： 支持向量机算法（SVM）

1、 支持向量机简介

Ø 适用场景

2、 支持向量机原理

Ø 支持向量

Ø **大边界超平面

3、 线性不可分处理

Ø 松弛系数

4、 非线性SVM分类

5、 常用核函数

Ø 线性核函数

Ø 多项式核

Ø 高斯RBF核

Ø 核函数的选择原则

6、 SMO算法

第十部分： 模型集成优化篇

1、 模型的优化思想

2、 集成模型的框架

Ø Bagging

Ø Boosting

Ø Stacking

3、 集成算法的关键过程

Ø 弱分类器如何构建

Ø 组合策略：多个弱学习器如何形成强学习器

4、 Bagging集成算法

Ø 数据/属性重抽样

Ø 决策依据：少数服从多数

Ø 随机森林RandomForest

5、 Boosting集成算法

Ø 基于误分数据建模

Ø 样本选择权重更新

Ø 决策依据：加权投票

Ø AdaBoost模型

6、 GBDT模型

7、 XGBoost模型

8、 LightGBM模型

第十一部分： 聚类分析（客户细分）实战

1、 聚类基本原理

2、 K均值聚类算法

Ø K均值算法

3、 距离计算公式

Ø 闵可夫斯基距离(Minkowski Distance)

Ø 曼哈顿距离(Manhattan Distance)

Ø 欧氏距离(Euclidean Distance)

Ø 切比雪夫距离(Chebyshev Distance)

Ø 余弦距离(Cosine)

Ø Pearson相似距离

Ø 马哈拉诺比斯距离（Mahalanobis）

Ø 汉明距离(Hamming distance)

Ø 杰卡德相似系数(Jaccard similarity coefficient)

Ø 相对熵（K-L距离）

4、 K均值算法的关键问题

Ø 初始中心的选取方式

Ø **优K值的选取

5、 聚类算法的评价方法

Ø Elbow method（手肘法）

Ø Calinski-Harabasz Index（CH准则法）

Ø Silhouette Coefficient（轮廓系数法）

Ø Gap Statistic（间隔统计量法）

Ø Canopy算法

6、 算法实战

案例：使用SKLearn实现K均值聚类

第十二部分： 关联规则算法

1、 关联规则基本原理

2、 常用关联规则算法

Ø Apriori算法

² 发现频繁集

² 生成关联规则

Ø FP-Growth算法

² 构建FP树

² 提取规则

3、 算法实战

案例：使用apriori库实现关联分析

案例：中医证型关联规则挖掘

第十三部分： 协同过滤算法

1、 协同过滤基本原理

2、 协同过滤的两各类型

Ø 基于用户的协同过滤UserCF

Ø 基于物品的协同过滤ItemCF

3、 相似度评估常用公式

4、 UserCF算法实现

Ø 计算用户间的兴趣相似度

Ø 筛选前K个相似用户

Ø 合并相似用户购买过的物品集

Ø 剔除该用户已经购买过的产品，得到候选物品集

Ø 计算该用户对物品的喜欢程度，物品集排序

Ø 优先推荐前N个物品

5、 ItemCF算法实现

Ø 计算物品间的相似度

Ø 筛选前K个喜欢的物品

Ø 合并与前K个物品相似的前L个物品集

Ø 剔除该用户已经购买过的物品，得到候选物品集

Ø 计算该用户到候选物品的喜爱程度，物品排序

Ø 优先推荐前N个物品

6、 关于冷启动问题

7、 协同过滤算法比较

结束：课程总结与问题答疑。