《机器学习》课程教学大纲.pdf

研究生课程教学大纲

课程编号：

课程中文名称统计机器学习

课程英文名称StatisticalMachineLearning

开课学期春季开课单位计算机学院

课程类别计算机科学与技术专业、专业选修课

主讲教师

备讲教师

其讲课28

总学时32

中实践课时4

学分2教学方式理论教学与实践教学相结合闭卷考试

考核□考试

面向专业计算机科学与技术

方式考查

预修课程概率与统计、matlab/python编程、矩阵论、线性代数

课程内容：

《统计机器学习》是计算机专业的一门专业课，其教学重点是使学生掌握常

见机器学习算法，包括算法的主要思想和基本步骤，并通过编程练习和典型应用

实例加深了解；同时对机器学习的一般理论，如假设空间、采样理论、计算学习

理论，以及无监督学习和强化学习有所了解。

第一部分决策论与信息论基础：2学时

a)损失函数、错分率的最小化、期望损失的最小化等

b)相对熵、互信息

第二部分概率分布4学时

a)高斯分布、混合高斯分布、Dirichlet分布、beta分布等

b)指数分布族：最大似然估计、充分统计量、共轭先验、无信息先验等

c)非参数方法：核密度估计、近邻法

第三部分回归的线性模型6学时

a)线性基函数模型

b)贝叶斯线性回归

c)贝叶斯模型比较

第四部分分类的线性模型6学时

a)判别函数：二分类和多分类的Fisher线性判别

b)概率生成模型：连续输入、离散特征

第五部分支持向量机4学时

a)最大边缘分类器：历史回顾

b)用于多分类和回归的支持向量机：几何背景、各种变种

c)统计学习理论简介：Vapnik等人的工作

第六部分演化算法4学时

a)遗传算法

b)粒子群算法

第七部分特征提取4学时

a)PCA

b)其它特征提取方法

第八部分数据挖掘2学时

课程内容英文简介

Machinelearningallowscomputerstolearnanddiscernpatternswithoutactually

beingprogram