Python3入门机器学习 经典算法与应用完整版 。 Python3入门机器学习 经典算法与应用完整版课程目录   第1章 欢迎来到 Python3 玩转机器学习 1-1导学.mp4 1-2 课程涵盖的内容和理念.mp4 1-3 课程所使用的主要……
最新公告
  • 欢迎来到UU学院,我们坚信学习是最好的投资,在这里您可以边学习边赚钱!立即加入我们
  • 正文概述
  • 评价建议

  • Python3入门机器学习 经典算法与应用完整版 。

    Python3入门机器学习 经典算法与应用完整版课程目录

     

    第1章 欢迎来到 Python3 玩转机器学习

    1-1导学.mp4

    1-2 课程涵盖的内容和理念.mp4

    1-3 课程所使用的主要技术栈.mp4

    第2章 机器学习基础

    2-1 机器学习世界的数据.mp4

    2-2 机器学习的主要任务.mp4

    2-3 监督学习,非监督学习,半监督学习和增强学习.mp4

    2-4 批量学习,在线学习,参数学习和非参数学习.mp4

    2-5 和机器学习相关的哲学思考.mp4

    2-6 课程使用环境搭建.mp4

    第3章 Jupyter Notebook, numpy和m

    3-1 jupyter notebook基础.mp4

    3-10 Numpy中的比较和FancyIndexing.mp4

    3-11 Matplotlib数据可视化基础.mp4

    3-12 数据加载和简单的数据探索.mp4

    3-2 jupyter notebook中的魔法命令.mp4

    3-3 Numpy数据基础.mp4

    3-4 创建numpy数组和矩阵.mp4

    3-5 Numpy数组的基本操作.mp4

    3-6 Numpy数组的合并与分割.mp4

    3-7 Numpy中的矩阵运算.mp4

    3-8 Numpy中的聚合运算.mp4

    3-9 Numpy中的arg运算.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.mp4

    4-2 scikit-learn中的机器学习算法封装.mp4

    4-3 训练数据集,测试数据集.mp4

    4-4 分类准确度.mp4

    4-5 超参数.mp4

    4-6 网格搜索与k近邻算法中更多超参数.mp4

    4-7 数据归一化.mp4

    4-8 scikit-learn中的Scaler.mp4

    4-9 更多有关k近邻算法的思考.mp4

    第5章 线性回归法

    5-1 简单线性回归.mp4

    5-10 线性回归的可解性和更多思考.mp4

    5-2 最小二乘法.mp4

    5-3 简单线性回归的实现.mp4

    5-4 向量化.mp4

    5-5 衡量线性回归法的指标 MSE,RMS,MAE.mp4

    5-6 最好的衡量线性回归法的指标 R Squared.mp4

    5-7 多元线性回归和正规方程解.mp4

    5-8 实现多元线性回归.mp4

    5-9 使用scikit-learn解决回归问题.mp4

    第6章 梯度下降法

    6-1 什么是梯度下降法.mp4

    6-2 模拟实现梯度下降法.mp4

    6-3 线性回归中的梯度下降法.mp4

    6-4 实现线性回归中的梯度下降法.mp4

    6-5 梯度下降的向量化和数据标准化.mp4

    6-6 随机梯度下降法.mp4

    6-7 scikit-learn中的随机梯度下降法.mp4

    6-8 如何确定梯度计算的准确性 调试梯度下降法.mp4

    6-9 有关梯度下降法的更多深入讨论.mp4

    第7章 PCA与梯度上升法

    7-1 什么是PCA.mp4

    7-2 使用梯度上升法求解PCA问题.mp4

    7-3 求数据的主成分PCA.mp4

    7-4 求数据的前n个主成分.mp4

    7-5 高维数据映射为低维数据.mp4

    7-6 scikit-learn中的PCA.mp4

    7-7 试手MNIST数据集.mp4

    7-8 使用PCA对数据进行降噪.mp4

    7-9 人脸识别与特征脸.mp4

    第8章 多项式回归与模型泛化

    8-1 什么是多项式回归.mp4

    8-10 L1,L2和弹性网络.mp4

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

    8-3 过拟合与前拟合.mp4

    8-4 为什么要训练数据集与测试数据集.mp4

    8-5 学习曲线.mp4

    8-6 验证数据集与交叉验证.mp4

    8-7 偏差方差平衡.mp4

    8-8 模型泛化与岭回归.mp4

    8-9 LASSO.mp4

    第9章 逻辑回归

    9-1 什么是逻辑回归.mp4

    9-2 逻辑回归的损失函数.mp4

    9-3 逻辑回归损失函数的梯度.mp4

    9-4 实现逻辑回归算法.mp4

    9-5 决策边界.mp4

    9-6 在逻辑回归中使用多项式特征.mp4

    9-7 scikit-learn中的逻辑回归.mp4

    9-8 OvR与OvO.mp4

    第10章 评价分类结果

    10-1 准确度的陷阱和混淆矩阵.mp4

    10-2 精准率和召回率.mp4

    10-3.mp4

    10-4.mp4

    10-5.mp4

    10-6.mp4

    10-7.mp4

    10-8.mp4

    第11章 支撑向量机 SVM

    11-1.mp4

    11-2.mp4

    11-3.mp4

    11-4.mp4

    11-5.mp4

    11-6.mp4

    11-7.mp4

    11-8.mp4

    11-9.mp4

    第12章 决策树

    12-1.mp4

    12-2 信息熵.mp4

    12-3 使用信息熵寻找最优划分.mp4

    12-4 基尼系数.mp4

    12-5 CART与决策树中的超参数.mp4

    12-6.mp4

    12-7.mp4

    第13章 集成学习和随机森林

    13-1什么是集成学习.mp4

    13-2 SoftVoting Classifier.mp4

    13-3 Bagging和Pasting.mp4

    13-4 oob(Out-of-Bag)和关于Bagging的更多讨论.mp4

    13-5 随机森林和Extra-Trees.mp4

    13-6 Ada Boosting和Gradient Boosting.mp4

    13-7 Stacking.mp4

    第14章 更多机器学习算法

    14-1 学习scikit-learn文档.mp4


    UU学院 » Python3入门机器学习 经典算法与应用完整版

    常见问题FAQ

    UU学院资源教程能否直接商用?
    本站所有资源版权均属于原作者所有,这里所提供资源均只能用于参考学习用,请勿直接商用。若由于商用引起版权纠纷,一切责任均由使用者承担。更多说明请参考 VIP介绍。
    提示下载完但解压或打开不了?
    最常见的情况是下载不完整: 可对比下载完压缩包的与网盘上的容量,若小于网盘提示的容量则是这个原因。这是浏览器下载的bug,建议用百度网盘软件或迅雷下载。若排除这种情况,可在对应资源底部留言,或 联络我们.。
    付款了无法下载怎么办?
    部分用户需要先登录才能获取下载地址
    链接地址失效怎么办?
    请带上资源链接地址联系客服,工作时间内我们看到后将第一时间回复。

    发表评论