该课系统地讲授机器学习面临的各种问题背景、建模、学习方法实现、性能评价 本课讲授内容包括如下几个部分
第一章、 机器学习简介（2课时）
第二章、 分类算法评估与比较（2课时）
- 常见分类性能评价
- K-折交叉检验（Cross Validation）
- 配对T检验
第三章、 线性机器学习模型 - 线性回归及其优化（2课时）
- 线性判别分析（2课时）
- Logistic回归及正则化惩罚（2课时）
第四章、 支持向量机（4课时）
第五章、 神经网络分类器（4课时） - 感知器模型
- 神经网络
第六章、 非监督学习（4课时） - K-Means
- 层次聚类
第七章、 面向网络数据的随机游走算法（2课时） - PageRank
- Learning with Local and Global Constraints
第八章、 维度约减与数据压缩（2课时） - 主成份分析
- 非负矩阵分解
