课程主页: https://www.coursera.org/learn/introduction-to-machine-learning-supervised-learning
如果你想学习机器学习，尤其是监督学习，我强烈推荐Coursera上的这门课程——《机器学习导论：监督学习》。这是一门由经验丰富的讲师教授的课程，内容丰富且实用，适合有一定编程基础的学习者。
课程概述
在这门课程中，你将学习多种监督机器学习算法及其在不同数据集上的预测任务，了解何时使用何种模型及原因，并且学习如何提高模型性能。课程涵盖线性回归、逻辑回归、KNN、决策树及集成方法如随机森林和提升法，以及支持向量机(SVM)等核方法。
课程大纲
课程分为多个模块，从基础到进阶，逐步深入。首先，课程将带你建立监督学习的基础，介绍线性回归等古老而可靠的统计技术。课程强调数据清理和探索性数据分析（EDA）的重要性，这些都是实际数据项目的基石。
接下来，你会学习多元线性回归，这将帮助你在多个解释变量的情况下更好地构建模型。接着，逻辑回归则标志着我们从回归任务转向分类任务，适用于如金融和生物医学等多个真实世界应用。
除此之外，你还会接触到非参数模型，如KNN和决策树，了解如何通过合理的策略来避免过拟合，以及如何通过集成方法提升模型性能，例如随机森林和提升法。最后，课程会引导你深入了解支持向量机这一先进的模型，让你掌握一些核心概念，如硬边界和软边界、核技巧和超参数调优。
学习建议
为了更好地从这门课程中受益，建议在学习之前你对Python有一定的了解。课程中大量的编码与实践环节将帮助你将理论知识转化为实际技能。
总的来说，这是一门高质量的机器学习课程，适合希望掌握监督学习基础与应用的学习者。如果你有兴趣并愿意付出时间与努力，这门课程绝对值得尝试。
课程主页: https://www.coursera.org/learn/introduction-to-machine-learning-supervised-learning