机器学习必修经典算法与Python实战

└─ 机器学习必修经典算法与Python实战 ->
　 ├─ 11-3-11-3集成学习代码实现.mp4 - 21.9M
　 ├─ 07-7-7-7决策树回归任务代码实现.mp4 - 10.3M
　 ├─ 06-7-6-7交叉验证.mp4 - 18.6M
　 ├─ 06-5-6-5过拟合与欠拟合.mp4 - 19.6M
　 ├─ 13-4-13-4PCA算法代码实现.mp4 - 12.2M
　 ├─ 06-9-6-9正则化.mp4 - 31.2M
　 ├─ 11-6-11-6串行策略：Boosting.mp4 - 20.6M
　 ├─ 05-2-5-2线性回归核心思想和原理.mp4 - 28.4M
　 ├─ 05-5-5-5模型评价：MSE、RMSE、MAE和R方.mp4 - 22.7M
　 ├─ 11-4-11-4并行策略：Bagging、OOB等方法.mp4 - 36.7M
　 ├─ 07-8-7-8决策树优缺点和适用条件.mp4 - 14.3M
　 ├─ 11-1-11-1本章总览.mp4 - 9.1M
　 ├─ 07-1-7-1本章总览.mp4 - 10.4M
　 ├─ 06-6-6-6学习曲线.mp4 - 21.4M
　 ├─ 05-6-5-6多项式回归代码实现.mp4 - 17.2M
　 ├─ 06-4-6-4决策边界.mp4 - 20.8M
　 ├─ 05-4-5-4线性回归代码实现.mp4 - 22.7M
　 ├─ 05-9-5-9多分类策略.mp4 - 6.4M
　 ├─ 06-10-6-10LASSO和岭回归代码实现.mp4 - 20.5M
　 ├─ 11-8-11-8集成学习优缺点和适用条件.mp4 - 16M
　 ├─ 06-1-6-1本章总览.mp4 - 19M
　 ├─ 07-6-7-6决策树剪枝.mp4 - 24.1M
　 ├─ 07-5-7-5基尼系数.mp4 - 19.1M
　 ├─ 07-3-7-3信息熵.mp4 - 32.8M
　 ├─ 08-1-8-1本章总览.mp4 - 19.3M
　 ├─ 11-2-11-2集成学习核心思想和原理.mp4 - 13.3M
　 ├─ 05-11-5-11线性算法优缺点和适用条件.mp4 - 13.8M
　 ├─ 06-2-6-2损失函数.mp4 - 33M
　 ├─ 06-13-6-13评价指标：ROC曲线.mp4 - 26.3M
　 ├─ 05-10-5-10复杂逻辑回归及代码实现.mp4 - 15.1M
　 ├─ 11-5-11-5并行策略：随机森林.mp4 - 12.6M
　 ├─ 06-12-6-12评价指标：混淆矩阵、精准率和召回率.mp4 - 27.7M
　 ├─ 05-7-5-7逻辑回归算法.mp4 - 15M
　 ├─ 06-11-6-11模型泛化.mp4 - 16.6M
　 ├─ 03-14-3-14Matplotlib数据可视化：基础绘制与设置.mp4 - 12.7M
　 ├─ 07-4-7-4决策树分类任务代码实现.mp4 - 29.9M
　 ├─ 07-2-7-2决策树核心思想和原理.mp4 - 15.5M
　 ├─ 03-11-3-11Numpy数组统计运算：常用的都在这儿了.mp4 - 9.8M
　 ├─ 05-3-5-3逻辑回归核心思想和原理.mp4 - 17.3M
　 ├─ 05-8-5-8线性逻辑回归代码实现.mp4 - 20.4M
　 ├─ 03-8-3-8Numpy数组基础索引：索引和切片.mp4 - 10.9M
　 ├─ 06-8-6-8模型误差.mp4 - 26.4M
　 ├─ 06-3-6-3梯度下降.mp4 - 31.4M
　 ├─ 04-8-4-8KNN回归任务代码实现.mp4 - 22.2M
　 ├─ 04-4-4-4数据集划分：训练集与预测集.mp4 - 25.1M
　 ├─ 04-3-4-3KNN分类任务代码实现.mp4 - 27.6M
　 ├─ 02-4-2-4如何分门别类：监督、无监督、强化学习等.mp4 - 16.7M
　 ├─ 03-3-3-3Anaconda命令行操作.mp4 - 10M
　 ├─ 04-5-4-5模型评价.mp4 - 26.2M
　 └─ 03-10-3-10Numpy数组矩阵运算：一元运算、二元运算与矩阵运算.mp4 - 18.8M