Python教程：Python3入门机器学习 经典算法与应用_ (10.74G)

第10章 评价分类结果

10-1 准确度的陷阱和混淆矩阵_9fxw.com.mp4

10-2 精准率和召回率_9fxw.com.mp4

10-3_9fxw.com.mp4

10-4_9fxw.com.mp4

10-5_9fxw.com.mp4

10-6_9fxw.com.mp4

10-7_9fxw.com.mp4

10-8_9fxw.com.mp4

第11章 支撑向量机 svm

11-1_9fxw.com.mp4

11-2_9fxw.com.mp4

11-3_9fxw.com.mp4

11-4_9fxw.com.mp4

11-5_9fxw.com.mp4

11-6_9fxw.com.mp4

11-7_9fxw.com.mp4

11-8_9fxw.com.mp4

11-9_9fxw.com.mp4

第12章 决策树

12-1_9fxw.com.mp4

12-2 信息熵_9fxw.com.mp4

12-3 使用信息熵寻找最优划分_9fxw.com.mp4

12-4 基尼系数_9fxw.com.mp4

12-5 cart与决策树中的超参数_9fxw.com.mp4

12-6_9fxw.com.mp4

12-7_9fxw.com.mp4

第13章 集成学习和随机森林

13-1什么是集成学习_9fxw.com.mp4

13-2 softvoting classifier_9fxw.com.mp4

13-3 bagging和pasting_9fxw.com.mp4

13-4 oob（out-of-bag）和关于bagging的更多讨论_9fxw.com.mp4

13-5 随机森林和extra-trees_9fxw.com.mp4

13-6 ada boosting和gradient boosting_9fxw.com.mp4

13-7 stacking_9fxw.com.mp4

第14章 更多机器学习算法

14-1 学习scikit-learn文档_9fxw.com.mp4

第1章 欢迎来到 python3 玩转机器学习

1-1导学_9fxw.com.mp4

1-2 课程涵盖的内容和理念_9fxw.com.mp4

1-3 课程所使用的主要技术栈_9fxw.com.mp4

第2章 机器学习基础

2-1 机器学习世界的数据_9fxw.com.mp4

2-2 机器学习的主要任务_9fxw.com.mp4

2-3 监督学习，非监督学习，半监督学习和增强学习_9fxw.com.mp4

2-4 批量学习，在线学习，参数学习和非参数学习_9fxw.com.mp4

2-5 和机器学习相关的哲学思考_9fxw.com.mp4

2-6 课程使用环境搭建_9fxw.com.mp4

第3章 jupyter notebook, numpy和m

3-1 jupyter notebook基础_9fxw.com.mp4

3-10 numpy中的比较和fancyindexing_9fxw.com.mp4

3-11 matplotlib数据可视化基础_9fxw.com.mp4

3-12 数据加载和简单的数据探索_9fxw.com.mp4

3-2 jupyter notebook中的魔法命令_9fxw.com.mp4

3-3 numpy数据基础_9fxw.com.mp4

3-4 创建numpy数组和矩阵_9fxw.com.mp4

3-5 numpy数组的基本操作_9fxw.com.mp4

3-6 numpy数组的合并与分割_9fxw.com.mp4

3-7 numpy中的矩阵运算_9fxw.com.mp4

3-8 numpy中的聚合运算_9fxw.com.mp4

3-9 numpy中的arg运算_9fxw.com.mp4

第4章 最基础的分类算法-k近邻算法 knn

4-1 k近邻算法基础_9fxw.com.mp4

4-2 scikit-learn中的机器学习算法封装_9fxw.com.mp4

4-3 训练数据集，测试数据集_9fxw.com.mp4

4-4 分类准确度_9fxw.com.mp4

4-5 超参数_9fxw.com.mp4

4-6 网格搜索与k近邻算法中更多超参数_9fxw.com.mp4

4-7 数据归一化_9fxw.com.mp4

4-8 scikit-learn中的scaler_9fxw.com.mp4

4-9 更多有关k近邻算法的思考_9fxw.com.mp4

第5章 线性回归法

5-1 简单线性回归_9fxw.com.mp4

5-10 线性回归的可解性和更多思考_9fxw.com.mp4

5-2 最小二乘法_9fxw.com.mp4

5-3 简单线性回归的实现_9fxw.com.mp4

5-4 向量化_9fxw.com.mp4

5-5 衡量线性回归法的指标 mse,rms,mae_9fxw.com.mp4

5-6 最好的衡量线性回归法的指标 r squared_9fxw.com.mp4

5-7 多元线性回归和正规方程解_9fxw.com.mp4

5-8 实现多元线性回归_9fxw.com.mp4

5-9 使用scikit-learn解决回归问题_9fxw.com.mp4

第6章 梯度下降法

6-1 什么是梯度下降法_9fxw.com.mp4

6-2 模拟实现梯度下降法_9fxw.com.mp4

6-3 线性回归中的梯度下降法_9fxw.com.mp4

6-4 实现线性回归中的梯度下降法_9fxw.com.mp4

6-5 梯度下降的向量化和数据标准化_9fxw.com.mp4

6-6 随机梯度下降法_9fxw.com.mp4

6-7 scikit-learn中的随机梯度下降法_9fxw.com.mp4

6-8 如何确定梯度计算的准确性 调试梯度下降法_9fxw.com.mp4

6-9 有关梯度下降法的更多深入讨论_9fxw.com.mp4

第7章 pca与梯度上升法

7-1 什么是pca_9fxw.com.mp4

7-2 使用梯度上升法求解pca问题_9fxw.com.mp4

7-3 求数据的主成分pca_9fxw.com.mp4

7-4 求数据的前n个主成分_9fxw.com.mp4

7-5 高维数据映射为低维数据_9fxw.com.mp4

7-6 scikit-learn中的pca_9fxw.com.mp4

7-7 试手mnist数据集_9fxw.com.mp4

7-8 使用pca对数据进行降噪_9fxw.com.mp4

7-9 人脸识别与特征脸_9fxw.com.mp4

第8章 多项式回归与模型泛化

8-1 什么是多项式回归_9fxw.com.mp4

8-10 l1,l2和弹性网络_9fxw.com.mp4

8-2 scikit-learn中的多项式回归于pipeline_9fxw.com.mp4

8-3 过拟合与前拟合_9fxw.com.mp4

8-4 为什么要训练数据集与测试数据集_9fxw.com.mp4

8-5 学习曲线_9fxw.com.mp4

8-6 验证数据集与交叉验证_9fxw.com.mp4

8-7 偏差方差平衡_9fxw.com.mp4

8-8 模型泛化与岭回归_9fxw.com.mp4

8-9 lasso_9fxw.com.mp4

第9章 逻辑回归

9-1 什么是逻辑回归_9fxw.com.mp4

9-2 逻辑回归的损失函数_9fxw.com.mp4

9-3 逻辑回归损失函数的梯度_9fxw.com.mp4

9-4 实现逻辑回归算法_9fxw.com.mp4

9-5 决策边界_9fxw.com.mp4

9-6 在逻辑回归中使用多项式特征_9fxw.com.mp4

9-7 scikit-learn中的逻辑回归_9fxw.com.mp4

9-8 ovr与ovo_9fxw.com.mp4

project0_9fxw.com.zip

project1_9fxw.com.zip