python机器学习
共79课时 20小时14分25秒秒
简介
python机器学习算法基础
章节
- 课时1:机器学习背景知识介绍 (32分26秒)
- 课时2:python安装 (10分24秒)
- 课时3:机器学习基础概念 (26分37秒)
- 课时4:一元线性回归 (19分13秒)
- 课时5:代价函数 (35分10秒)
- 课时6:梯度下降法 (30分48秒)
- 课时7: 实战梯度下降法 一元线性回归 (27分52秒)
- 课时8:实战sklearn 一元线性回归 (8分48秒)
- 课时9:线性代数复习 (11分51秒)
- 课时10:多元线性回归 (7分37秒)
- 课时11:实战梯度下降法 多元线性回归 (21分22秒)
- 课时12:实战sklearn 多元线性回归 (4分15秒)
- 课时13:实战sklearn 多项式回归 (20分38秒)
- 课时14:标准方程法 (21分48秒)
- 课时15:实战标准方程法 (11分42秒)
- 课时16:特征缩放,交叉验证法 (13分12秒)
- 课时17:过拟合,正则化 (12分44秒)
- 课时18:岭回归 (18分12秒)
- 课时19:实战sklearn 岭回归 (16分26秒)
- 课时20:实战标准方程法 岭回归 (9分7秒)
- 课时21:LASSO算法 (11分52秒)
- 课时22:实战sklearn 弹性网 (7分54秒)
- 课时23:逻辑回归 (26分51秒)
- 课时24:正确率,召回率,F1指标 (8分27秒)
- 课时25:实战梯度下降法 逻辑回归 (40分42秒)
- 课时26:实战sklearn 逻辑回归 (5分45秒)
- 课时27:实战梯度下降法 非线性逻辑回归 (16分37秒)
- 课时28:实战sklearn 非线性逻辑回归 (7分27秒)
- 课时29:神经网络背景概述 (17分28秒)
- 课时30:单层感知器介绍 (15分53秒)
- 课时31:实践单层感知器程序 (15分35秒)
- 课时32:实践单层感知器 异或问题 (4分24秒)
- 课时33:实践线性神经网,Delta学习规则 (15分47秒)
- 课时34:实践线性神经网络解决异或问题 (21分49秒)
- 课时35:BP神经网络介绍 (20分12秒)
- 课时36:BP算法推导 (19分3秒)
- 课时37:实践BP神经网络 异或问题 (20分44秒)
- 课时38:深入理解BP神经网络论文讲解 (28分40秒)
- 课时39:Google神经网络演示平台介绍 (23分33秒)
- 课时40:KNN算法介绍 (12分20秒)
- 课时41:实践KNN算法实现 (15分20秒)
- 课时42:实践使用KNN完成Iris数据集分类 (12分2秒)
- 课时43:决策树 信息熵,ID3,C4 5算法介绍 (25分50秒)
- 课时44:实践决策树 例子 (19分11秒)
- 课时45:实践决策树 画图 (16分1秒)
- 课时46:决策树 CART算法 (19分3秒)
- 课时47:实践决策树 CART算法 (6分22秒)
- 课时48:实践决策树 线性二分类 (8分56秒)
- 课时49:实践决策树 非线性二分类 (12分8秒)
- 课时50:实践回归树 (8分22秒)
- 课时51:实践Bagging介绍与使用 (24分42秒)
- 课时52:实践随机森林RF介绍与使用 (7分56秒)
- 课时53:实践Adaboost介绍与使用 (24分5秒)
- 课时54:实践Stacking和Voting介绍与使用 (10分50秒)
- 课时55:贝叶斯算法背景 (14分48秒)
- 课时56:贝叶斯算法介绍 (17分43秒)
- 课时57:实践贝叶斯 iris (3分33秒)
- 课时58:实践词袋模型介绍 (17分28秒)
- 课时59:实践TF IDF算法介绍 (13分45秒)
- 课时60:K MEANS算法介绍 (20分47秒)
- 课时61:实践python实现K MEANS算法 (29分45秒)
- 课时62:实践sklearn K MEANS (4分20秒)
- 课时63:实践sklearn Mini Batch K Means (4分12秒)
- 课时64:K MEANS算法存在的4个问题 (5分21秒)
- 课时65:实践K MEANS代价函数应用 (8分11秒)
- 课时66:实践K MEANS肘部法则 (7分44秒)
- 课时67:K MEANS算法可视化 (5分43秒)
- 课时68:DBSCAN算法讲解 (10分15秒)
- 课时69:DBSCAN算法可视化 (12分53秒)
- 课时70:实践sklearn DBSCAN算法 (11分35秒)
- 课时71:PCA算法讲解 (17分54秒)
- 课时72:实践python实现PCA降维 (8分22秒)
- 课时73:SVM简介 (17分38秒)
- 课时74:实践SVM简单例子 (5分50秒)
- 课时75:SVM算法推导 (26分24秒)
- 课时76:松弛变量与惩罚函数 (11分2秒)
- 课时77:SVM简单实例 (10分27秒)
- 课时78:SVM低维映射到高维 (6分55秒)
- 课时79:核函数 (9分47秒)
猜你喜欢
热门下载
热门帖子