069- 机器学习必修课经典AI算法与编程实战

069- 机器学习必修课经典AI算法与编程实战

99.12-3-k-means和分层聚类 .mp4 14.9MB

98.12-2-聚类算法核心思想和原理 .mp4 10.9MB

97.12-1-本章总览 .mp4 6.5MB

96.11-8-集成学习优缺点和适用条件 .mp4 16.0MB

95.11-7-结合策略Stacking方法 .mp4 9.4MB

94.11-6-串行策略Boosting .mp4 16.6MB

93.11-5-并行策略随机森林 .mp4 11.7MB

92.11-4-并行策略BaggingOOB等方法 .mp4 26.6MB

91.11-3-集成学习代码实现 .mp4 16.1MB

90.11-2-集成学习核心思想和原理 .mp4 13.3MB

89.11-1-本章总览 .mp4 8.8MB

88.10-6-贝叶斯方法优缺点和适用条件 .mp4 15.2MB

87.10-5-多项式朴素贝叶斯代码实现 .mp4 15.1MB

86.10-4-朴素贝叶斯的代码实现 .mp4 17.7MB

85.10-3-朴素贝叶斯分类 .mp4 12.8MB

84.10-2-贝叶斯方法核心思想和原理 .mp4 23.5MB

83.10-1-本章总览 .mp4 14.8MB

82.9-10-SVM优缺点和适用条件 .mp4 7.1MB

81.9-9-SVM回归任务代码实现 .mp4 10.2MB

80.9-8-非线性SVM代码实现 .mp4 16.2MB

79.9-7-SVM核函数 .mp4 14.9MB

78.9-6-非线性SVM核技巧 .mp4 28.7MB

77.9-5-线性SVM分类任务代码实现 .mp4 12.8MB

76.9-4-SVM软间隔 .mp4 17.9MB

75.9-3-硬间隔SVM .mp4 22.4MB

74.9-2-SVM核心思想和原理 .mp4 11.4MB

73.9-1-本章总览 .mp4 33.1MB

72.8-9-神经网络优缺点和适用条件 .mp4 13.2MB

71.8-8-模型选择 .mp4 26.7MB

70.8-7-梯度消失和梯度爆炸 .mp4 18.4MB

69.8-6-神经网络简单代码实现 .mp4 20.6MB

68.8-5-梯度下降优化算法 .mp4 24.5MB

67.8-4-正向传播与反向传播 .mp4 15.7MB

66.8-3-激活函数 .mp4 25.6MB

65.8-2-神经网络核心思想和原理 .mp4 38.0MB

64.8-1-本章总览 .mp4 16.0MB

63.7-8-决策树优缺点和适用条件 .mp4 12.1MB

62.7-7-决策树回归任务代码实现 .mp4 8.5MB

61.7-6-决策树剪枝 .mp4 19.6MB

60.7-5-基尼系数 .mp4 13.2MB

59.7-4-决策树分类任务代码实现 .mp4 25.2MB

58.7-3-信息熵 .mp4 27.1MB

57.7-2-决策树核心思想和原理 .mp4 15.2MB

56.7-1-本章总览 .mp4 8.8MB

55.6-13-评价指标ROC曲线 .mp4 23.6MB

54.6-12-评价指标混淆矩阵精准率和召回率 .mp4 25.5MB

53.6-11-模型泛化 .mp4 15.9MB

52.6-10-LASSO和岭回归代码实现 .mp4 16.7MB

51.6-9-正则化 .mp4 30.3MB

50.6-8-模型误差 .mp4 27.1MB

49.6-7-交叉验证 .mp4 15.7MB

48.6-6-学习曲线 .mp4 17.1MB

47.6-5-过拟合与欠拟合 .mp4 17.1MB

46.6-4-决策边界 .mp4 18.7MB

45.6-3-梯度下降 .mp4 25.4MB

44.6-2-损失函数 .mp4 27.1MB

43.6-1-本章总览 .mp4 18.5MB

42.5-11-线性算法优缺点和适用条件 .mp4 13.0MB

41.5-10-复杂逻辑回归及代码实现 .mp4 12.8MB

40.5-9多分类策略 .mp4 6.3MB

39.5-8-线性逻辑回归代码实现 .mp4 17.6MB

38.5-7-逻辑回归算法 .mp4 15.6MB

37.5-6多项式回归代码实现 .mp4 14.9MB

36.5-5-模型评价MSERMSEMAE和R方 .mp4 20.9MB

35.5-4-线性回归代码实现 .mp4 20.2MB

34.5-3-逻辑回归核心思想和原理 .mp4 17.7MB

33.5-2-线性回归核心思想和原理 .mp4 28.7MB

32.5-1-本章总览 .mp4 8.8MB

31.4-9-KNN优缺点和适用条件 .mp4 12.4MB

30.4-8-KNN回归任务代码实现 .mp4 18.9MB

29.4-7-特征归一化 .mp4 20.5MB

28.4-6-超参数 .mp4 20.1MB

27.4-5-模型评价 .mp4 22.9MB

26.4-4-数据集划分训练集与预测集 .mp4 20.5MB

25.4-3-KNN分类任务代码实现 .mp4 23.8MB

24.4-2-KNN算法核心思想和原理 .mp4 25.2MB

23.4-1本章总览 .mp4 7.7MB

22.3-14-Matplotlib数据可视化基础绘制与设置 .mp4 17.3MB

21.3-13-Numpy数组神奇索引和布尔索引 .mp4 17.6MB

20.3-12-Numpy数组arg运算和排序 .mp4 13.7MB

19.3-11-Numpy数组统计运算常用的都在这儿了 .mp4 11.2MB

18.3-10-Numpy数组矩阵运算一元运算二元运算与矩阵运算 .mp4 23.0MB

17.3-9-Numpy非常重要的数组合并与拆分操作 .mp4 13.7MB

16.3-8-Numpy数组基础索引索引和切片 .mp4 12.4MB

15.3-7-Numpy数组创建特定数组等差数组随机数组 .mp4 27.1MB

14.3-6-Numpy基础安装与性能对比 .mp4 11.6MB

13.3-5-JupyterNotebook高级使用常用魔法命令 .mp4 11.1MB

12.3-4-JupyterNotebook基础使用 .mp4 16.5MB

119.15-4-交易反欺诈代码实现 .mp4 22.4MB

118.15-3-房价预测 .mp4 41.3MB

117.15-2-泰坦尼克生还预测 .mp4 41.3MB

116.15-1-本章总览 .mp4 4.6MB

115.14-5-概率图模型优缺点和适用条件 .mp4 8.7MB

114.14-4-隐马尔可夫模型代码实现 .mp4 28.3MB

113.14-3-EM算法参数估计 .mp4 14.8MB

112.14-2-概率图模型核心思想和原理 .mp4 36.1MB

111.14-1-本章总览 .mp4 9.4MB

110.13-8-主成分分析优缺点和适用条件 .mp4 6.0MB

11.3-3-Anaconda命令行操作 .mp4 13.6MB

109.13-7-PCA在人脸识别中的应用 .mp4 18.6MB