└─ Python3入门机器学习 经典算法与应用 ->
　 ├─ 第9章 逻辑回归 ->
　 　 ├─ 9-8 OvR与OvO.mp4 - 124.9M
　 　 ├─ 9-7 scikit-learn中的逻辑回归.mp4 - 167.1M
　 　 ├─ 9-6 在逻辑回归中使用多项式特征.mp4 - 137.4M
　 　 ├─ 9-5 决策边界.mp4 - 193.5M
　 　 ├─ 9-4 实现逻辑回归算法.mp4 - 123.4M
　 　 ├─ 9-3 逻辑回归损失函数的梯度.mp4 - 80.3M
　 　 ├─ 9-2 逻辑回归的损失函数.mp4 - 55.9M
　 　 └─ 9-1 什么是逻辑回归.mp4 - 58M
　 ├─ 第8章 多项式回归与模型泛化 ->
　 　 ├─ 8-9 LASSO.mp4 - 115.1M
　 　 ├─ 8-8 模型泛化与岭回归.mp4 - 180.3M
　 　 ├─ 8-7 偏差方差平衡.mp4 - 57.8M
　 　 ├─ 8-6 验证数据集与交叉验证.mp4 - 222.6M
　 　 ├─ 8-5 学习曲线.mp4 - 134.3M
　 　 ├─ 8-4 为什么要训练数据集与测试数据集.mp4 - 144.4M
　 　 ├─ 8-3 过拟合与前拟合.mp4 - 131.7M
　 　 ├─ 8-2 scikit-learn中的多项式回归于pipeline.mp4 - 146.5M
　 　 ├─ 8-10 L1,L2和弹性网络.mp4 - 34.2M
　 　 └─ 8-1 什么是多项式回归.mp4 - 75.1M
　 ├─ 第7章 PCA与梯度上升法 ->
　 　 ├─ 7-9 人脸识别与特征脸.mp4 - 131.9M
　 　 ├─ 7-8 使用PCA对数据进行降噪.mp4 - 99.2M
　 　 ├─ 7-7 试手MNIST数据集.mp4 - 112.9M
　 　 ├─ 7-6 scikit-learn中的PCA.mp4 - 172.4M
　 　 ├─ 7-5 高维数据映射为低维数据.mp4 - 168.6M
　 　 ├─ 7-4 求数据的前n个主成分.mp4 - 125.3M
　 　 ├─ 7-3 求数据的主成分PCA.mp4 - 178.6M
　 　 ├─ 7-2 使用梯度上升法求解PCA问题.mp4 - 27.4M
　 　 └─ 7-1 什么是PCA.mp4 - 51.1M
　 ├─ 第6章 梯度下降法 ->
　 　 ├─ 6-9 有关梯度下降法的更多深入讨论.mp4 - 24.8M
　 　 ├─ 6-8 如何确定梯度计算的准确性 调试梯度下降法.mp4 - 113.1M
　 　 ├─ 6-7 scikit-learn中的随机梯度下降法.mp4 - 132.4M
　 　 ├─ 6-6 随机梯度下降法.mp4 - 160.2M
　 　 ├─ 6-5 梯度下降的向量化和数据标准化.mp4 - 203.3M
　 　 ├─ 6-4 实现线性回归中的梯度下降法.mp4 - 136.9M
　 　 ├─ 6-3 线性回归中的梯度下降法.mp4 - 70.4M
　 　 ├─ 6-2 模拟实现梯度下降法.mp4 - 185.4M
　 　 └─ 6-1 什么是梯度下降法.mp4 - 44.2M
　 ├─ 第5章 线性回归法 ->
　 　 ├─ 5-9 使用scikit-learn解决回归问题.mp4 - 118.2M
　 　 ├─ 5-8 实现多元线性回归.mp4 - 118.7M
　 　 ├─ 5-7 多元线性回归和正规方程解.mp4 - 44M
　 　 ├─ 5-6 最好的衡量线性回归法的指标 R Squared.mp4 - 109.9M
　 　 ├─ 5-5 衡量线性回归法的指标 MSE,RMS,MAE.mp4 - 183.3M
　 　 ├─ 5-4 向量化.mp4 - 105.4M
　 　 ├─ 5-3 简单线性回归的实现.mp4 - 130.4M
　 　 ├─ 5-2 最小二乘法.mp4 - 33.5M
　 　 ├─ 5-10 线性回归的可解性和更多思考.mp4 - 86.8M
　 　 └─ 5-1 简单线性回归.mp4 - 23.3M
　 ├─ 第4章 最基础的分类算法-k近邻算法 kNN ->
　 　 ├─ 4-9 更多有关k近邻算法的思考.mp4 - 33M
　 　 ├─ 4-8 scikit-learn中的Scaler.mp4 - 185.3M
　 　 ├─ 4-7 数据归一化.mp4 - 105.9M
　 　 ├─ 4-6 网格搜索与k近邻算法中更多超参数.mp4 - 168.1M
　 　 ├─ 4-5 超参数.mp4 - 207.2M
　 　 ├─ 4-4 分类准确度.mp4 - 174.8M
　 　 ├─ 4-3 训练数据集，测试数据集.mp4 - 213.3M
　 　 ├─ 4-2 scikit-learn中的机器学习算法封装.mp4 - 206.3M
　 　 └─ 4-1 k近邻算法基础.mp4 - 136.8M
　 ├─ 第3章 Jupyter Notebook, numpy和m ->
　 　 ├─ 3-9 Numpy中的arg运算.mp4 - 95.4M
　 　 ├─ 3-8 Numpy中的聚合运算.mp4 - 107.9M
　 　 ├─ 3-7 Numpy中的矩阵运算.mp4 - 206M
　 　 ├─ 3-6 Numpy数组的合并与分割.mp4 - 156.5M
　 　 ├─ 3-5 Numpy数组的基本操作.mp4 - 119.1M
　 　 ├─ 3-4 创建numpy数组和矩阵.mp4 - 188.1M
　 　 ├─ 3-3 Numpy数据基础.mp4 - 68.2M
　 　 ├─ 3-2 jupyter notebook中的魔法命令.mp4 - 189.5M
　 　 ├─ 3-12 数据加载和简单的数据探索.mp4 - 112.9M
　 　 ├─ 3-11 Matplotlib数据可视化基础.mp4 - 153.5M
　 　 ├─ 3-10 Numpy中的比较和FancyIndexing.mp4 - 190.7M
　 　 └─ 3-1 jupyter notebook基础.mp4 - 169.2M
　 ├─ 第2章 机器学习基础 ->
　 　 ├─ 2-6 课程使用环境搭建.mp4 - 91.8M
　 　 ├─ 2-5 和机器学习相关的哲学思考.mp4 - 36.8M
　 　 ├─ 2-4 批量学习，在线学习，参数学习和非参数学习.mp4 - 33.4M
　 　 ├─ 2-3 监督学习，非监督学习，半监督学习和增强学习.mp4 - 93.6M
　 　 ├─ 2-2 机器学习的主要任务.mp4 - 126.5M
　 　 └─ 2-1 机器学习世界的数据.mp4 - 84.3M
　 ├─ 第1章 欢迎来到 Python3 玩转机器学习 ->
　 　 ├─ 1-3 课程所使用的主要技术栈.mp4 - 19.7M
　 　 ├─ 1-2 课程涵盖的内容和理念.mp4 - 90.2M
　 　 └─ 1-1导学.mp4 - 68.1M
　 ├─ 第14章 更多机器学习算法 ->
　 　 └─ 14-1 学习scikit-learn文档.mp4 - 66.5M
　 ├─ 第13章 集成学习和随机森林 ->
　 　 ├─ 13-7 Stacking.mp4 - 11.5M
　 　 ├─ 13-6 Ada Boosting和Gradient Boosting.mp4 - 28.7M
　 　 ├─ 13-5 随机森林和Extra-Trees.mp4 - 26M
　 　 ├─ 13-4 oob（Out-of-Bag）和关于Bagging的更多讨论.mp4 - 31.9M
　 　 ├─ 13-3 Bagging和Pasting.mp4 - 33.4M
　 　 ├─ 13-2 SoftVoting Classifier.mp4 - 28.4M
　 　 └─ 13-1什么是集成学习.mp4 - 53.5M
　 ├─ 第12章 决策树 ->
　 　 ├─ 12-7.mp4 - 32.8M
　 　 ├─ 12-6.mp4 - 38M
　 　 ├─ 12-5 CART与决策树中的超参数.mp4 - 61.1M
　 　 ├─ 12-4 基尼系数.mp4 - 66.5M
　 　 ├─ 12-3 使用信息熵寻找最优划分.mp4 - 137.1M
　 　 ├─ 12-2 信息熵.mp4 - 48.5M
　 　 └─ 12-1.mp4 - 57.4M
　 ├─ 第11章 支撑向量机 SVM ->
　 　 ├─ 11-9.mp4 - 91.6M
　 　 ├─ 11-8.mp4 - 76.4M
　 　 ├─ 11-7.mp4 - 51.9M
　 　 ├─ 11-6.mp4 - 40.1M
　 　 ├─ 11-5.mp4 - 84.8M
　 　 ├─ 11-4.mp4 - 117.9M
　 　 ├─ 11-3.mp4 - 39.7M
　 　 ├─ 11-2.mp4 - 51.1M
　 　 └─ 11-1.mp4 - 38.3M
　 ├─ 第10章 评价分类结果 ->
　 　 ├─ 10-8.mp4 - 95.3M
　 　 ├─ 10-7.mp4 - 65.7M
　 　 ├─ 10-6.mp4 - 85M
　 　 ├─ 10-5.mp4 - 91.7M
　 　 ├─ 10-4.mp4 - 69.4M
　 　 ├─ 10-3.mp4 - 103.8M
　 　 ├─ 10-2 精准率和召回率.mp4 - 29.5M
　 　 └─ 10-1 准确度的陷阱和混淆矩阵.mp4 - 38.3M
　 ├─ project1.zip - 6KB
　 └─ project0.zip - 4.7M

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。