您好,欢迎来到菜鸟吧源码网(www.cniao8.com)本站只做精品网站源码!
  • 首 页
  • 会员介绍
  •  

    当前位置:主页 > 视频教程 > 人工智能 >
    机器学习实战课程

    │  介绍.png
    │  
    ├─01.第1章 k-近邻算法
    │      任务01:第1期 k-近邻算法(完整版).zip
    │      任务02: 1.机器
    学习概述.mp4
    │      任务03: 2.k-近邻算法原理.mp4
    │      任务04: 3.k-近邻的python实现.mp4
    │      任务05: 4.k-近邻算法之约会网站配对效果判定.mp4
    │      任务06: 5.k-近邻算法之手写数字识别.mp4
    │      
    ├─02.第2章 决策树
    │      任务07:第2期 决策树(完整版).zip
    │      任务08: 1. 决策树原理简介.mp4
    │      任务09: 2. 决策树的构建准备工作.mp4
    │      任务10: 3. 递归构建决策树.mp4
    │      任务11: 4. 利用sklearn绘制决策树.mp4
    │      任务12: 5. 决策树的可视化.mp4
    │      任务13: 6. 使用决策树预测隐形眼镜类型.mp4
    │    
    ├─03.第3章 朴素贝叶斯
    │      任务14: 第3期 朴素贝叶斯 (完整版).zip
    │      任务15: 1. 朴素贝叶斯概述.mp4
    │      任务16: 2. 朴素贝叶斯之鸢尾花数据实验.mp4
    │      任务17: 3. 朴素贝叶斯之言论过滤.mp4
    │      任务18: 4. 朴素贝叶斯之垃圾邮件过滤.mp4
    │      任务19: 5. kaggle比赛之“旧金山犯罪分类预测”.mp4
    │      任务20: 6. 算法总结.mp4
    │    
    ├─04.第4章 Logistic 回归
    │      任务21:第4期 logistic(完整版).zip
    │      任务22: 1. logistic原理概述.mp4
    │      任务23: 2. 损失函数正则化.mp4
    │      任务24: 3. 梯度下降法.mp4
    │      任务25: 4. 梯度下降种类解析.mp4
    │      任务26: 5. 梯度下降求解逻辑回归.mp4
    │      任务27: 6. 病马案例.mp4
    │      任务28: 7. sklearn实现葡萄牙银行营销案例.mp4
    │      任务29: 8. 分类算法大比拼.mp4
    │      任务30: 9. 算法总结.mp4
    │      
    ├─05.第5章 支持向量机
    │      任务31:第5期 支持向量机(完整版).zip
    │      任务33: 2. 补充数学公式.mp4
    │      任务34: 3. smo算法流程.mp4
    │      任务35: 4. 简化版smo算法.mp4
    │      任务36: 5. 完整版smo算法.mp4
    │      任务37: 6. 核函数.mp4
    │      任务38: 7. 非线性svm.mp4
    │      任务39: 8. 案例:svm之手写数字识别.mp4
    │      任务40: 9. 算法总结.mp4
    │      
    ├─06.第6章 AdaBoost算法
    │      任务41:第6期 Adaboost算法(完整版).zip
    │      任务42: 1. 集成算法概念.mp4
    │      任务43: 2. adaboost算法步骤.mp4
    │      任务44: 3. 构建弱分类器.mp4
    │      任务45: 4. adaboost完整版函数.mp4
    │      任务46: 5. 案例:adaboost在病马数据集上的应用.mp4
    │      任务47: 6. 分类器衡量指标.mp4
    │      任务48: 7. 样本不均衡问题.mp4
    │      任务49: 8. 案例:套坦尼克号幸存者预测.mp4
    │      
    ├─07.第7章 线性回归
    │      任务50:第7期 线性回归(完整版).zip
    │      任务51: 1. 线性回归概述.mp4
    │      任务52: 2. 线性回归的损失函数.mp4
    │      任务53: 3. 简单线性回归python实现.mp4
    │      任务54: 4. 局部加权线性回归.mp4
    │      任务55: 5. 案例:预测鲍鱼的年龄.mp4
    │      任务56: 6. 岭回归.mp4
    │      任务57: 7. lasso和向前逐步回归.mp4
    │      任务58: 8. 爬虫获取乐高交易数据.mp4
    │      任务59: 9. 乐高二手成交价预测.mp4
    │    
    ├─08.第8章 树回归
    │      任务60:第8期 树回归(完整版).zip
    │      任务61: 1. 决策树回顾.mp4
    │      任务62: 2.cart算法概述.mp4
    │      任务63: 3. cart回归树的python实现.mp4
    │      任务64: 4. 回归树的sklearn实现.mp4
    │      任务65: 5. 树剪枝.mp4
    │      任务66: 6. 模型树.mp4
    │      任务67: 7. 回归树预测结果.mp4
    │      任务68: 8. 模型树和标准线性回归预测结果.mp4
    │      任务69: 9. 使用python的tkinter库创建gui.mp4
    │      
    ├─09.第9章 K-均值聚类算法
    │      任务70:第9期 K-均值聚类(完整版).zip
    │      任务71: 1. 聚类分析概述.mp4
    │      任务72: 2. k均值算法原理.mp4
    │      任务73: 3. k均值算法的python实现(1).mp4
    │      任务74: 4. k均值算法的python实现(2).mp4
    │      任务75: 5. 算法验证.mp4
    │      任务76: 6. 误差平方和sse和学习曲线.mp4
    │      任务77: 7. 模型收敛稳定性探讨.mp4
    │      任务78: 8. 二分k均值法(1).mp4
    │      任务79: 9. 二分k均值法(2).mp4
    │      任务80: 10. 聚类模型评价指标.mp4
    │      任务81: 11. 轮廓系数的python实现.mp4
    │      任务82: 【附录1】距离类模型中距离的确定.mp4
    │      任务83: 【附录2】归一化处理.mp4
    │      
    └─10.第10章 关联规则之Apriori
           任务84:课件、代码及数据集下载.zip
           任务85: 1 关联分析概述.mp4
           任务86: 2 频繁项集的评估标准:支持度&置信度.mp4
           任务87: 3 频繁项集的评估标准:提升度.mp4
           任务88: 4 关联规则的发现.mp4
           任务89: 5 apriori原理.mp4
           任务90: 6 apriori挖掘频繁项集(1).mp4
           任务91: 7 apriori挖掘频繁项集(2).mp4
           任务92: 8 apriori挖掘频繁项集(3).mp4
           任务93: 9 apriori挖掘关联规则(1).mp4
           任务94: 10 apriori挖掘关联规则(2).mp4
           任务95: 11 案例:发现美国国会投票中的模式.mp4
           任务96: 12 案例:发现毒蘑菇的相似特征(1).mp4
           任务97: 13 案例:发现毒蘑菇的相似特征(2).mp4
           任务98: 14 案例:发现毒蘑菇的相似特征(3).mp4

    暂无演示
  • 点击下载
  •  —下载需要"0"金币— 注意:当账号有足够金币时 点击下载按钮自动扣除。 充值金币升级VIP

    上一篇:五周商业数据分析python课程

    下一篇:升级版 像麦肯锡咨询师一样做商业分析课程

    郑重声明:
    本站所有内容均由互联网收集整理、网友上传,并且以计算机技术研究交流为目的,仅供大家参考、学习,不存在任何商业目的与商业用途。 若您需要商业运营或用于其他商业活动,请您购买正版授权并合法使用。
    我们不承担任何技术及版权问题,且不对任何资源负法律责任。
    如遇到资源无法下载,请点击这里失效报错。失效报错请在修正建议内填写你的邮箱,24小时修正后邮件通知。
    如有侵犯您的版权,请给我们来信:admin@cniao8.com,我们会尽快处理,并诚恳的向你道歉!

    本站不免费提供咨询,技术支持和安装服务如果需要服务请点击这里游戏棋牌类源码不提供搭建