01
课程导论与项目全景
空气质量预测的背景与意义 · 机器学习在环境领域的应用 · 项目整体架构与数据流 · 课程学习路径与目标
全景导论
02
环境搭建与工具链准备
Python环境配置（Anaconda）· Jupyter Notebook与IDE选择 · 核心库安装 · 虚拟环境管理
工具Python
03
数据采集与探索性分析（EDA）
数据来源介绍（UCI/OpenAQ）· 数据加载与初步查看 · 描述性统计与数据质量报告 · 缺失值与异常值初步识别
EDA数据
04
数据清洗与预处理
处理缺失值（删除/填充策略）· 处理异常值（IQR/3σ法则）· 数据类型转换与标准化 · 重复数据处理
清洗预处理
05
特征工程（上）
特征构建（时间特征、滞后特征、滚动统计）· 特征编码（Label/One-Hot）· 特征缩放（标准化与归一化）
特征编码
06
特征工程（下）
特征选择（过滤法、包裹法、嵌入法）· 基于相关性的特征筛选 · 基于树模型的特征重要性 · PCA降维
选择降维
07
数据可视化与洞察
时间序列趋势图 · 相关性热力图 · 箱线图与分布图 · 多变量关系探索（Pairplot）
可视化洞察
08
数据集划分与交叉验证
训练/验证/测试集划分 · 时间序列划分特殊性 · K-Fold与TimeSeriesSplit
验证划分
09
基线模型建立
线性回归原理与实现 · 评估指标（MAE, MSE, RMSE, R²）· 在验证集上评估基线性能
基线回归
10
决策树与随机森林
决策树原理（信息增益/基尼）· 随机森林（Bagging与特征随机）· 模型训练与调参
树模型随机森林
11
梯度提升模型（XGBoost/LightGBM）
Boosting原理 · XGBoost核心参数与训练 · LightGBM核心参数与训练 · 模型对比与选择
BoostingXGBoost
12
支持向量回归（SVR）
SVR原理与核函数 · SVR在空气质量数据上的应用 · 参数调优（C, gamma, kernel）
SVR核方法
13
K近邻回归（KNN）
KNN回归原理 · 距离度量与K值选择 · KNN在时序预测中的局限性
KNN距离
14
模型集成方法
Voting Regressor（投票集成）· Stacking Regressor（堆叠集成）· 集成策略对比与实战
集成Stacking
15
超参数调优（上）
网格搜索（GridSearchCV）· 随机搜索（RandomizedSearchCV）· 调优策略选择与对比
调优搜索
16
超参数调优（下）
贝叶斯优化（Bayesian Optimization）· 使用Hyperopt库进行调优 · 调优结果分析与最佳模型保存
贝叶斯Hyperopt
17
模型评估与诊断
残差分析 · 预测值与真实值散点图 · 学习曲线与验证曲线 · 过拟合与欠拟合诊断
诊断评估
18
时间序列特性处理
平稳性检验（ADF检验）· 差分处理 · 自相关（ACF）与偏自相关（PACF）· ARIMA模型简介
时序ARIMA
19
深度学习入门（LSTM）
RNN与LSTM原理 · Keras/TensorFlow环境搭建 · 构建LSTM模型进行预测
LSTM深度学习
20
深度学习模型调优
LSTM层数与神经元数量调整 · Dropout防止过拟合 · Early Stopping与模型检查点
调优正则化
21
模型解释性（SHAP/LIME）
SHAP值原理与可视化 · LIME局部解释 · 特征对预测结果的影响分析
可解释SHAP
22
模型部署基础
模型序列化（Pickle/Joblib）· 创建简单的Flask API · 本地测试API接口
部署Flask
23
模型监控与维护
数据漂移（Data Drift）概念 · 模型性能衰退监控 · 定期重训练策略
监控漂移
24
项目实战（上）
完整数据流水线构建（Pipeline）· 从原始数据到特征工程的全流程自动化
实战Pipeline
25
项目实战（中）
多模型对比与选择 · 最终模型训练与超参数调优 · 模型评估报告生成
对比报告
26
项目实战（下）
模型部署为Web服务 · 前端简单展示页面（HTML/Flask）· 实时预测演示
部署前端
27
案例研究：城市空气质量预警系统
需求分析 · 系统架构设计 · 模型集成与预警阈值设定
预警案例
28
案例研究：工业排放监测与预测
数据采集方案 · 特征工程特殊处理 · 模型在边缘设备上的部署
工业边缘
29
前沿技术展望
图神经网络（GNN）在空气质量预测中的应用 · 联邦学习与隐私保护 · 大模型（LLM）辅助数据分析
前沿GNN
30
课程总结与职业发展
知识体系回顾 · 常见面试题解析 · 学习资源推荐与下一步学习路径
总结职业