└─ 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
微信视频投屏:
1、在手机端微信中会拦截投屏功能,需要首先点击视频页面右上角“...”图标,选择“在浏览器中打开”,在列表中选取具备投屏功能的浏览器,推荐使用QQ浏览器
2、在新打开的浏览器视频页面里,点击播放按钮,可在视频框右上角看到一个“TV”投屏小图标,只要电视和手机在同一WiFi环境下,点击按钮即刻享受大屏观感!
本站资源声明:
1、如需免费下载云盘资源,请先点击页面右上角的“登录”按钮,注册并登录您的账号后即可查看到网盘资源下载地址;
2、本站所有资源信息均由网络爬虫自动抓取,以非人工方式自动筛选长效资源并更新发布,资源内容只作交流和学习使用,本站不储存、复制、传播任何文件,其资源的有效性和安全性需要您自行判断;
3、本站高度重视知识产权保护,如有侵犯您的合法权益或违法违规,请立即向网盘官方举报反馈,并提供相关有效书面证明与侵权页面链接联系我们处理;
4、作为非盈利性质网站,仅提供网络资源的免费搜索和检测服务,无需额外支付其他任何费用,学习和交流的同时请小心防范网络诈骗。