这门课解决什么问题

很多做数据分析或后端开发的上班族，平时调各种现成的算法库很熟练，可一旦遇到模型效果不好、特征工程不知怎么调整，或者面试被问到算法底层逻辑时，就会卡壳。这门课的主题是机器学习算法的原理推导与实战，它不教你怎么调包出一套花哨的界面，而是拆解 KNN、线性回归、逻辑回归、决策树、朴素贝叶斯、支持向量机、神经网络和 Boosting 等核心模型。它解决的是“知其然不知其所以然”的问题：把公式推导和工程实现绑在一起，帮你弄清每个算法背后的数学逻辑，以及这些逻辑在实际业务中会带来什么偏差和代价。如果你正想从业务执行转向算法策略设计，或者准备补齐机器学习的底层基本功，这个方向值得花时间学。

适合什么基础与学习顺序

这门资料不适合零基础。你需要有基本的 Python 语法能力，能看懂简单的线性代数和概率论公式。如果你连循环和函数都写得吃力，建议先补基础再来看。对于符合基础要求的读者，建议先从资料里的 Numpy 科学计算库部分看起。不要跳过这部分直接去啃算法，因为后续的算法推导和实战都会用到数组运算、广播机制和切片操作。把 Numpy 的基本概念、数组创建方式和索引逻辑吃透，再去看线性回归和逻辑回归，最后再挑战支持向量机和神经网络。按这个顺序学，推导过程才不会因为工具不熟而被迫中断。

学完能独立做什么与资料怎么用

学完这套资料，你应当能独立完成一个具体业务场景的建模任务：从数据清洗、特征选择，到选择合适的算法、手写核心代码实现，再到评估模型效果并解释原因。比如面对一份用户流失预测数据，你能判断该用决策树还是逻辑回归，并能说清为什么选它。在配合练习时，不要只用眼睛看视频，建议跟着推导过程在纸上手写一遍关键公式，再用 Numpy 把公式翻译成代码跑通。每学完一个算法，自己找一份公开的结构化数据，不调用第三方高级算法库，尝试从头实现一遍预测逻辑，再对比标准库的输出结果，这样最能暴露理解盲区。


KNN算法、线性回归、Logistic回归、决策树、朴素贝叶斯算法、支持向量机、神经网络算法和Boosting算法等内容

课程目录

*   01 Numpy科学计算库/

  *   01 Numpy数组的基本概念.mp4 (24.79 MB), 09:22

  *   02 Numpy数组和列表的对比.mp4 (38.65 MB), 13:03

  *   03 Numpy数组的广播机制.mp4 (28.17 MB), 10:48

  *   04 Numpy数组的创建方式.mp4 (16.89 MB), 06:17

  *   05 Numpy数组的基本运算.mp4 (26.51 MB), 08:09

  *   06 Numpy维数组的索引.mp4 (31.70 MB), 11:09

  *   07 Numpy数组的索引.mp4 (31.70 MB), 11:09

  *   08 Numpy数组的切片操作.mp4 (36.10 MB), 10:15

  *   09 Numpy数组的统计运算.mp4 (55.20 MB), 16:39

  *   10 Numpy数组保存和导入文件.mp4 (45.66 MB), 09:40

  *   11 Numpy数组画激活函数.mp4 (54.43 MB), 18:10

*   02 Pandas数据分析基础/

  *   01 Pandas的序列类型.mp4 (25.18 MB), 09:56

  *   02 Pandas的数据框类型.mp4 (27.29 MB), 08:38

  *   03 Pandas数据的增加或删除.mp4 (37.26 MB), 12:40

  *   04 Pandas数据类型的基本运算.mp4 (21.99 MB), 06:57

  *   05 Pandas数据的排序.mp4 (25.53 MB), 09:23

  *   06 Pandas的数据选取.mp4 (29.90 MB), 10:07

  *   07 Pandas处理缺失数据.mp4 (27.88 MB), 09:36

*   03 Python数据可视化方法实例/

  *   01 Python画直方图.mp4 (45.55 MB), 13:37

  *   02 Python画盒子图.mp4 (27.81 MB), 07:58

  *   03 Python画提琴图和柱状图.mp4 (26.93 MB), 09:57

  *   04 Python画散点图.mp4 (30.20 MB), 10:38

  *   05 Python画热力图.mp4 (26.86 MB), 08:26

*   04 KNN算法原理及实战/

  *   01 KNN算法原理及实战.mp4 (67.93 MB), 47:07

*   05 线性回归分析原理及实战/

  *   01 线性回归分析原理及实战.mp4 (53.07 MB), 35:03

*   06 逻辑回归算法原理及实战/

  *   01 逻辑回归算法原理及实战.mp4 (66.44 MB), 40:43

*   07 决策树算法推导即实战/

  *   01 决策树算法实战.mp4 (80.58 MB), 47:15

*   08 朴素贝叶斯算法原理推导/

  *   01 朴素贝叶斯算法原理推导及实战.mp4 (62.36 MB), 40:54

*   09 支持向量机原理推导及实战/

  *   01 支持向量机原理推导及实战.mp4 (54.08 MB), 38:55

*   10 Boosting算法的原理及实战/

  *   01 Boosting算法的原理及实战.mp4 (56.32 MB), 37:42

*   11 集成学习算法原理及实战/

  *   01 集成学习算法简介.mp4 (29.20 MB), 18:05

  *   02 集成学习算法原理.mp4 (52.14 MB), 29:59

  *   03 集成学习学习算法实战.mp4 (55.19 MB), 22:11

*   12 神经网络算法的推导及实战/

  *   01 神经网络基础.mp4 (29.67 MB), 22:21

  *   02 神经网络原理.mp4 (32.96 MB), 19:00