ML for scientists 科学家机器学习教程

科学家的机器学习这些是大约一天课程的材料，旨在介绍机器学习中的一些关键方法和概念，面向科学受众。可以在查看演示文稿。目的是让在科学数据分析（曲线拟合等）方面有一定经验并熟悉Python或R的与会者在阅读完本材料后：对关键术语有一些基本的了解，使用了一些标准的基本方法，并且对基础理论有基础，了解一些具有广泛适用性的基本概念。它在python（sklearn，还有一些其他包）中涵盖了以下大部分或全部方法：回归： OLS黄土套索分类逻辑回归神经网络朴素贝叶斯密度估计内核方法聚类k均值，层次聚类...但更重要的是，它涵盖了以下概念：偏差-方差权衡重采样方法引导交叉验证排列测试型号选择变量选择多重假设检验