本课程带您掌握风靡全球的Python同时，无缝链接机器学习领域的有监督学习之分类、回归，无监督学习之聚类分析，零基础.zip

# 模式识别与预测-实验（以Python实现） ## 实验一：[Python快速入门](./Lab1_PythonLearning/PythonLearning.md) ## 实验二：[序列表征/数值化1(以剪接位点识别为例)](./Lab2_SplicingSequencesCoding/sequence_coding.md) ## 实验三：[分类器之k近邻、逻辑斯蒂回归、决策树](./Lab3_Classifiers_KNN-LR-DT/classifiers1.md) ## 实验四：[分类器之朴素贝叶斯、支持向量分类](./Lab4_Classifiers_Bayes-SVM/classifiers2.md) ## 实验五：[序列表征/数值化2(以定量构效关系建模为例)](./Lab5_PeptideSequencesCoding/sequence_coding2.md) ## 实验六：[回归模型之多元线性回归、偏最小二乘回归、支持向量回归](./Lab6_Regression_MLR-PLSR-SVR/regress1.md) ## 实验七：[特征降维/选择](./Lab7_FeatureReduction/dimReduction.md) ## 实验八：[无监督学习之聚类分析](./Lab8_UnsupervisedLearning/Clustering.md)