这门课解决什么问题

这门课程聚焦于通过实战项目掌握机器学习的应用能力，通过两个具体的案例——泰坦尼克号获救预测和用户流失预警，帮助学习者从数据预处理到模型训练，再到模型评估，全面理解机器学习的整个流程。课程适合有一定编程基础，希望将理论知识应用于实际问题的技术学习者。通过系统学习，你将能够独立完成中小型的机器学习项目。

课程结构与适合人群

课程分为两大项目实战，每个项目包括数据预处理、模型训练、模型评估和结果分析等环节。建议先从泰坦尼克号获救预测项目开始学习，先了解如何进行数据预处理，然后学习如何选择和训练模型。这部分内容涵盖了数据清洗、特征选择、模型训练与优化等关键步骤。接下来，可以学习用户流失预警项目，进一步加深对模型评估和结果解释的理解。 这门课程适合有一定 Python 编程基础的学习者。如果你对数据科学感兴趣，希望提升自己的机器学习实战能力，这门课程非常适合你。

先看哪几块，学完能独立做什么

建议先从泰坦尼克号获救预测项目开始学习。在这一项目中，你将学习如何进行数据预处理，包括处理缺失值、异常值和不一致的数据。然后，你将使用回归算法和随机森林进行预测，并分析随机森林的特征重要性。这部分内容涵盖了数据清洗、特征选择、模型训练与优化等关键步骤。 接下来，学习用户流失预警项目。在这一项目中，你将了解如何进行数据预处理，并尝试使用不同分类器进行效果评估。你还将学习如何使用结果衡量指标来评估模型性能，并根据结果进行调整。通过这两个项目的学习，你将能够独立完成小型至中型的机器学习项目，从数据收集到结果分析的全流程。

资料怎么配合练习

课程提供了详细的资料包，包括所有项目所需的数据集、代码示例和学习笔记。建议你先下载资料包，按照视频中的步骤操作，逐步完成每个项目。在实际操作中遇到问题时，可以参考课程中的代码示例和详细讲解，从而加深理解。此外，课程还提供了配套的练习题和项目作业，帮助巩固所学知识，提升实战能力。通过这些练习，你将能够更好地掌握机器学习的实际应用。

课程目录

1-1 [机器学习项目实战01 泰坦尼克号获救预测] 船员数据分析 (11:02)
1-2 [机器学习项目实战01 泰坦尼克号获救预测] 数据预处理 (11:38)
1-3 [机器学习项目实战01 泰坦尼克号获救预测] 使用回归算法进行预测 (12:12)
1-4 [机器学习项目实战01 泰坦尼克号获救预测] 使用随机森林改进模型 (13:24)
1-5 [机器学习项目实战01 泰坦尼克号获救预测] 随机森林特征重要性分析 (15:54)
2-1 [机器学习项目实战02 用户流失预警] 数据背景介绍 (06:35)
2-2 [机器学习项目实战02 用户流失预警] 数据预处理 (10:04)
2-3 [机器学习项目实战02 用户流失预警] 尝试多种分类器效果 (08:32)
2-4 [机器学习项目实战02 用户流失预警] 结果衡量指标的意义 (19:50)
2-5 [机器学习项目实战02 用户流失预警] 应用阈值得出结果 (06:26)
3-1 [机器学习项目实战03 HTTP异常行为分析] 建立特征工程 (17:24)
3-2 [机器学习项目实战03 HTTP异常行为分析] 特征数据预处理 (10:33)
3-3 [机器学习项目实战03 HTTP异常行为分析] 应用聚类算法得出异常IP点 (17:59)