机器学习和数据挖掘作为大数据时代的基础方法和技术，是促进人类的社会进步、经济发展和文化提高的重要工具。本门课程将涵盖经典的机器学习算法，包括线性回归、逻辑回归、交叉验证和自助法、模型选择和正则化方法、决策树、随机森林和提升法、K近邻法、朴素贝叶斯、神经网络和聚类。学生将学习如何使用Python实现这些方法并解决实际问题。

课程目标：

1. 理解机器学习的令人兴奋之处

2. 能够掌握机器学习方法的思想、相关基础理论

3. 能够利用Python语言实现算法

4. 能够应用机器学习算法到你感兴趣的问题中

5. 有能力开始机器学习的研究、参加大数据、机器学习、数据挖掘竞赛

平时成绩40% + 期末成绩60%

数学分析 （或高等数学）

高等代数  （或线性代数）

概率论

数理统计 （或统计学）

Python程序设计

教材：

[1] 李航. 统计学习方法. 清华大学出版社, 2019.5

参考书：

[1] 周志华. 机器学习. 清华大学出版社, 2016.1

[2] [美] Jiawei Han, [美] Micheling Kamber, [美] Jian Pei 等 著; 范明，孟小峰 译,数据挖掘: 概念与技术（原书第3版）. 机械工业出版社. 2012.8

[3] Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani, An Introduction to Statistical Learning: with Applications in R, Second edition, Springer, 2021

[4] Trevor Hastie, Robert Tibshirani, Jerome Friedman, The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Second edition, Springer, 2016

[5] Kevin P. Murphy, Machine Learning - A Probabilistic Perspective, MIT Press, 2012.5.