这门课到底在讲什么，能解决什么问题
这套资料的核心聚焦于机器学习工程师的基础建模能力培养。从资料线索可以看出，课程并未停留在概念科普层面，而是深入到了算法的数学推导与代码落地的闭环。它主要解决的是“如何让模型在数据上跑起来并理解其原理”这一核心痛点。内容覆盖了监督学习中的线性回归、逻辑回归、支持向量机（SVM）、决策树与随机森林，以及集成学习中的 AdaBoost 和 XGBoost；同时也包含了无监督学习中的 K-Means、层次聚类、密度聚类，以及特征工程中的 PCA 降维技术。
对于想要进入算法领域或提升数据科学实战能力的职场人而言，这门课的价值在于补齐了“知其然更知其所以然”的短板。很多初学者只会调用 Sklearn 接口，一旦遇到调参瓶颈或业务场景偏离标准库能力时便无从下手。本课程通过 SMO 算法推导、梯度下降法求解、基尼系数与熵的计算等细节，帮助你建立对底层逻辑的掌控感，从而在面对实际工作中的预测建模、分类风险评估（如垃圾邮件识别、个人信用评分）或聚类分析任务时，能够独立选择合适模型并优化参数。
适合什么基础，建议先看哪几块
这套课程不适合完全没有编程基础或线性代数概念的纯小白。读者至少需要掌握 Python 编程基础，并具备矩阵运算、求导等高中至大学一年级水平的数学知识。如果你已经熟悉 Pandas 处理数据，但缺乏对模型内部机制的理解，这门课非常适合你进行系统化梳理。
建议的学习顺序并非完全线性，但可以遵循以下逻辑：首先攻克线性回归与梯度下降，这是理解所有后续优化算法的基石；接着学习决策树，通过熵和信息增益的计算建立树模型的直觉；然后进入逻辑回归与 SVM，理解分类边界的数学本质；最后通过集成学习（AdaBoost/XGBoost）和聚类算法拓展应用广度。对于急于产出结果的读者，可优先观看线性回归代码实现、决策树代码实现以及 Sklearn 实现 SVM 等章节，快速建立从理论到代码的映射。
学完能独立做什么，资料怎么配合练习
完成核心模块后，你应该能够独立从零开始构建一个完整的机器学习项目流程：从数据预处理、特征工程（如 PCA 降维），到模型选择与训练，再到超参数调优与结果评估。具体场景包括房价预测、信用风险评分、文本分类、图像压缩及用户分群等。
资料包中的视频是主要的学习载体，而代码实现章节是检验理解程度的关键。建议采用“推导先行，代码验证”的策略：先跟随视频理解公式推导过程，再对照代码实现章节，亲手复现关键算法（如梯度下降、决策树划分、SMO 算法）。不要直接复制粘贴代码，而是要尝试修改参数、观察输出变化，甚至尝试用纯 Python 而非 Sklearn 实现核心逻辑，这样才能真正将知识内化为工程能力。
课程目录
📁 【尽快保存避免失效 保存即可观看】 00-夸克网盘免费领1T空间教程（新、老用户均可）.pdf [452.9 KB] 5.02-04-使用梯度下降法求解线性回归问题.mp4 [22.2 MB] 34.04-04-决策树代码实现(2-划分数据集、选择最好的特征).mp4 [25.1 MB] 14.02-13-LASSO回归代码实现.mp4 [13.8 MB] 109.09-08-AdaBoost代码实现.mp4 [19.0 MB] 6.02-05-线性回归代码实现.mp4 [21.5 MB] 108.09-07-Adaboost举例.mp4 [18.7 MB] 119.10-01-01-数据说明.mp4 [21.1 MB] 74.06-14-SMO算法推导过程3.mp4 [7.4 MB] 10.02-09-欠拟合与过拟合.mp4 [10.5 MB] 54.05-08-案例：垃圾邮件识别(1.实现原理).mp4 [9.2 MB] 98.08-04-基于数据矩阵的奇异值分解算法.mp4 [9.7 MB] 121.10-01-03数据预处理与特征工程.mp4 [27.2 MB] 16.02-15-最小二乘法代码实现.mp4 [7.8 MB] 18.02-17-波士顿房价预测(上).mp4 [25.0 MB] 43.04-11-案例：使用决策树进行个人信用风险评估(1.数据集介绍、数据预处理).mp4 [23.0 MB] 52.05-06-朴素贝叶斯如何处理连续型数据.mp4 [7.0 MB] 72.06-14-SMO算法推导过程1.mp4 [12.3 MB] 126.10-02-04建模与调参.mp4 [20.4 MB] 82.07-02-K-means中距离计算方法.mp4 [9.7 MB] 88.07-07-密度聚类.mp4 [11.1 MB] 4.02-03-梯度下降法代码实现.mp4 [11.9 MB] 44.04-11-案例：使用决策树进行个人信用风险评估(2.模型评估指标).mp4 [18.8 MB] 86.07-05-层次聚类举例.mp4 [7.2 MB] 87.07-06-Sklearn实现层次聚类.mp4 [7.4 MB] 68.06-13-1SVM代码实现之简易版(上).mp4 [40.9 MB] 115.09-14-XGBoost代码实现1.mp4 [29.7 MB] 22.03-03-一个示例解释逻辑回归的求解公式.mp4 [10.3 MB] 39.04-07-决策树剪枝.mp4 [12.3 MB] 79.06-16-Sklearn实现SVM4，调参.mp4 [12.1 MB] 30.04-01-决策树简介、熵.mp4 [13.2 MB] 100.08-06-Sklearn实现PCA.mp4 [12.1 MB] 33.04-04-决策树代码实现(1-熵的计算).mp4 [14.1 MB] 66.06-11-非线性支持向量机的目标函数.mp4 [8.2 MB] 46.05-01-贝叶斯决策简介.mp4 [15.0 MB] 65.06-10-非线性支持向量机简介.mp4 [18.8 MB] 101.08-07-案例：PCA实现照片压缩.mp4 [17.1 MB] 7.02-06-线性回归代码实现-做特征归一化.mp4 [23.5 MB] 35.04-04-决策树代码实现(3-类别投票表决).mp4 [8.8 MB] 81.07-01-K-means基本原理及推导.mp4 [8.8 MB] 114.09-13-XGBoost树结构生成.mp4 [9.0 MB] 73.06-14-SMO算法推导过程2.mp4 [12.5 MB] 23.03-04-逻辑回归代码实现(上).mp4 [23.7 MB] 93.07-11-2Sklearn实现高斯混合模型.mp4 [7.9 MB] 26.03-06-逻辑回归实现多分类方法.mp4 [18.9 MB] 123.10-02-01数据说明及不平衡数据的训练集及测试及分割方法.mp4 [19.3 MB] 59.06-04-拉格朗日乘子法求带有不等式约束的极值问题、KKT条件.mp4 [16.4 MB] 105.09-04-Voting代码实现.mp4 [13.4 MB] 117.09-15-Stacking.mp4 [10.1 MB] 42.04-10-Sklearn实现决策树.mp4 [23.9 MB] 70.06-13-2SVM代码实现之改进版.mp4 [23.6 MB] 27.03-07-使用Sklearn实现逻辑回归.mp4 [12.2 MB] 83.07-03-K-means代码实现(1原生代码实现).mp4 [26.7 MB] 92.07-11-1高斯混合模型原生代码实现.mp4 [26.7 MB] 56.06-01-支持向量机简介.mp4 [6.2 MB] 77.06-16-Sklearn实现SVM1.mp4 [9.1 MB] 17.02-16-使用Sklearn实现Ridge，LASSO和ElasticNet.mp4 [16.9 MB] 13.02-12-LASSO回归求解举例说明.mp4 [10.1 MB] 80.06-17-案例：使用SVM完成人脸识别.mp4 [32.3 MB] 106.09-05-Bagging与随机森林及其代码实现.mp4 [24.5 MB] 69.06-13-1SVM代码实现之简易版(下).mp4 [11.7 MB] 50.05-04-朴素贝叶斯代码实现(2.预测过程).mp4 [10.1 MB] 15.02-14-最小二乘法求线性回归.mp4 [15.5 MB] 28.03-08-案例：鸢尾花分类.mp4 [33.4 MB] 89.07-08-Sklearn实现密度聚类.mp4 [5.5 MB] 111.09-10-GBDT梯度提升树.mp4 [9.6 MB] 102.09-01-集成学习介绍.mp4 [4.8 MB] 31.04-02-条件熵及计算举例.mp4 [9.9 MB] 41.04-09-多变量决策树.mp4 [9.0 MB] 2.02-01-线性回归简介、数学符号、假设函数、损失函数、代价函数.mp4 [19.4 MB] 84.07-03-K-means代码实现(2sklearn实现KMeans).mp4 [5.3 MB] 75.06-14-SMO算法推导过程4.mp4 [10.7 MB] 62.06-07-SVM求解举例.mp4 [31.3 MB] 94.07-12-案例：对亚洲足球队进行聚类分析.mp4 [9.8 MB] 125.10-02-03采样之下采样.mp4 [21.1 MB] 24.03-04-逻辑回归代码实现(下).mp4 [20.9 MB] 49.05-04-朴素贝叶斯代码实现(1.训练过程).mp4 [24.0 MB] 53.05-07-Sklearn实现朴素贝叶斯.mp4 [10.6 MB] 60.06-05-目标函数求解(1.对偶问题、先对w、b求极小).mp4 [18.7 MB] 124.10-02-02采样之上采样.mp4 [25.4 MB] 110.09-09-GBDT之提升和提升树概念.mp4 [23.6 MB] 118.09-16-Stacking代码实现.mp4 [8.8 MB] 78.06-16-Sklearn实现SVM2-3，输出常用属性值，使用高斯核.mp4 [13.8 MB] 25.03-05-逻辑回归的正则化.mp4 [14.6 MB] 12.02-11-LASSO回归求解.mp4 [19.2 MB] 51.05-05-拉普拉斯修正及代码实现.mp4 [17.2 MB] 40.04-08-决策树处理连续值与缺失值.mp4 [17.0 MB] 19.02-17-波士顿房价预测(下).mp4 [34.9 MB] 67.06-12-SMO算法推导结果.mp4 [16.3 MB] 45.04-11-案例：使用决策树进行个人信用风险评估(3.模型评估，优化).mp4 [13.9 MB] 113.09-12-XGBoost求解.mp4 [18.7 MB] 11.02-10-Ridge回归求解与代码实现.mp4 [17.6 MB] 20.03-01-逻辑回归简介、假设函数、损失函数、成本函数.mp4 [14.7 MB] 96.08-02-协方差矩阵的特征值分解算法.mp4 [10.4 MB] 63.06-08-线性支持向量机的目标函数.mp4 [10.7 MB] 104.09-03-Voting原理.mp4 [6.8 MB] 47.05-02-贝叶斯决策模型.mp4 [8.5 MB] 120.10-01-02探索性分析.mp4 [16.0 MB] 99.08-05-基于数据矩阵的奇异值分解算法代码实现.mp4 [8.5 MB]
