注：由于实验需要大数据的支持， 比如用机器学习方法判断是否是入侵行为无法演示。 模型对于任何数据都是通用的。

本教学视频主要讲解了时下大热、为未来计算机科学发展方向的机器学习。其特点在于学员无需拥有非常扎实的理论（数学、模型）基础，只需要对于Python编程语言有所了解就可以进行学习。其目的在于更快、更好的解决实际问题。

本教学视频中利用Python编程语言实现线性分类器、支持向量机、朴素贝叶斯等经典机器学习模型来解决诸如肿瘤良恶性预测、手写体识别、泰坦尼克号生还预测等实际问题。并就模型本身泛化力问题（过拟合、欠拟合）进行讨论与实验。

课程大纲：

• 机器学习简介及开发环境
• 监督学习-分类学习-线性分类器
• 监督学习-分类学习-线性分类器-支持向量机
• 监督学习-朴素贝叶斯
• 监督学习-决策树模型
• 无监督学习-K近邻算法
• 机器学习进阶-特征降维
• 机器学习进阶-特征筛选
• 机器学习进阶-泛化力-过拟合与欠拟合