Python教程:Python3入门机器学习 经典算法与应用_,百度云网盘分享,10.74G高清音视频资料,下方为实际内容预览与下载地址。
Python教程:Python3入门机器学习 经典算法与应用_文件目录
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
下载地址:
下载链接为百度网盘,如下载连接失效,在文章底部评论,24小时内处理。
评论0