

皮皮侠课程︱硬核机器学习应用课程！KNN算法及其在社科场景中的应用！

数据皮皮侠

2022-04-16

导读：KNN算法及应用课程

本次皮皮侠给大家提供了

一门KNN算法及其应用课程

快来看看本次课程的内容吧！

KNN算法及其在社科场景中的应用

课程简介

近年来，机器学习在社会科学领域的实证研究中的应用愈演愈烈，无论在深度和广度上都已经形成了一定规模。KNN算法作为一种较为简便但效果拔群的方法，往往都会作为参考，因此理解包括KNN在内的一些基本机器学习方法将会成为日后社会科学领域研究的必要需求。

课程目标：

掌握基本的机器学习概念及KNN算法，能读懂相关文献并自行运用KNN做研究

适合人群：适合机器学习零基础但有一定编程能力的学生

应用场景：时间序列预测，风险评估，收益率预测，异常值检测等

课程时间及地点

课程时间

2022年4月23日

10:00-12:00

14:00-16:00

上课地点

腾讯会议

在本次课程中分为四个部分

跟着皮皮侠一起往下看吧！

Part0：Warm up

1、Some Concepts of ML

2、Norm

3、L Distance

Part1：KNN Classification

1、Definition

2、Decision Regions

3、Standardisation

4、Case I

Part2：KNN Regression

1、Definition

2、Distance-weighted NN

3、Irrelevant Features

4、Case II

Part3：Extension

1、Speeding Up KNN

2、Strengths and Limitations

3、Feature Engineering

本课程参考文献

[1]申晴,张连增.一种新的银行信用风险识别方法：SVM-KNN组合模型[J].金融监管研究,2020(07): 23-37.DOI:10.13490/j.cnki.frr.2020.07.002.

[2]冯晓阳. 基于SVM-KNN的商业银行信用风险模型研究[D].天津大学,2008.

[3]陈冠宇. 基于kNN-Smote-LSTM的信用卡欺诈风险检测网络模型[D].浙江工商大学,2018.

[4] Ban, T., Zhang, R., Pang, S., Sarrafzadeh, A., Inoue, D. (2013). Referential kNN Regression for Financial Time Series Forecasting. In: Lee, M., Hirose, A., Hou, ZG., Kil, R.M. (eds) Neural Information Processing. ICONIP 2013. Lecture Notes in Computer Science, vol 8226. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-42054-2_75

[5] P. Soucy and G. W. Mineau, "A simple KNN algorithm for text categorization," Proceedings 2001 IEEE International Conference on Data Mining, 2001, pp. 647-648, doi: 10.1109/ICDM.2001.989592.