人工智能逻辑回归复习题

55 个项目案例，60+个算法模型！ 10 个企业级项目

快速实战入门

阶段概述：

本阶段讲解，人工智能的应用，人工智能的工作流程、基本概念，人工智能的任务和本质，

KNN 最近邻算法

达成目标：

通过本阶段学习，快速理解人工智能能做什么，要做什么，并掌握 KNN 算法以及算法的代

码实现。

1. 人工智能概念与本质

1) 人工智能应用

2) 人工智能流程与本质

3) 人工智能流程对比人类思考过程

4) 机器学习与深度学习本质区别

5) 回归与分类任务本质

6) 聚类与降维任务本质

2. KNN 算法

1) KNN 原理

2) Anaconda 运行环境安装

3) Pycharm 开发环境配置安装

4) KNN 的 python 代码实现

5) Scikit-learn 模块讲解

6) KNN 的 sklearn 代码实战

python 基础与科学计算模块

阶段概述：

本阶段讲解，python 基础语法，Numpy 科学计算模块，Pandas 数据分析模块，Matplotlib

和 Seaborn 数据可视化模块

达成目标：

通过本阶段学习，让学生快速掌握 python 语言的特性和语法，并着重对算法这块所涉及的

Numpy 科学计算模块和 Pandas 数据分析模块进行讲解。

实战教学项目：

 泰坦尼克号数据分析案例

 可视化剖析逻辑回归损失函数案例

Python 基础语法

1. 循环控制
2. 切片操作
3. 数据类型
4. 集合操作
5. 常用内建函数
6. 函数式编程
7. 类与对象
8. 继承
9. 装饰器
10. 生成器

科学计算模块 Numpy

1. Numpy ndarray 对象
2. Numpy 数据类型
3. Numpy 数组属性
4. Numpy 创建数组
5. Numpy 切片和索引
6. Numpy 高级索引
7. Numpy 广播

数据处理分析模块 Pandas

1. Pandas IO 文件操作
2. Pandas 索引和数据选择器
3. Pandas 合并、连接
4. Pandas 缺失值数据处理
5. Pandas 数据离散化
6. Pandas 统计计算

数据可视化模块

1. Matplotlib 散点图、线图、核密度图
2. Matplotlib 饼图、直方图、盒图
3. Matplotlib 等高线图
4. Matplotlib 可视化剖析逻辑回归损失函数
5. Seaborn 单变量、多变量的图形绘制
6. Seaborn Style 和 Color
7. Seaborn facetgrid