机器学习必修课：经典AI算法与编程实战

└─ 机器学习必修课：经典AI算法与编程实战 ->
　 ├─ 09-3硬间隔SVM.mp4 - 33.1M
　 ├─ 04-5模型评价.mp4 - 33.8M
　 ├─ 12-2聚类算法核心思想和原理.mp4 - 16.3M
　 ├─ 09-4SVM软间隔.mp4 - 25.5M
　 ├─ 03-4JupyterNotebook基础使用.mp4 - 19.8M
　 ├─ 04-6超参数.mp4 - 30.3M
　 ├─ 05-7逻辑回归算法.mp4 - 21.8M
　 ├─ 03-14Matplotlib数据可视化：基础绘制与设置.mp4 - 23M
　 ├─ 08-1本章总览.mp4 - 26.8M
　 ├─ 06-9正则化.mp4 - 45M
　 ├─ 08-5梯度下降优化算法.mp4 - 36.8M
　 ├─ 02-1本章总览.mp4 - 7.9M
　 ├─ 08-9神经网络优缺点和适用条件.mp4 - 20.2M
　 ├─ 02-2数据长什么样：常见数据集、典型实例、如何使用.mp4 - 35.3M
　 ├─ 08-8模型选择.mp4 - 39.7M
　 ├─ 10-3朴素贝叶斯分类.mp4 - 20.3M
　 ├─ 06-10LASSO和岭回归代码实现.mp4 - 23.9M
　 ├─ 08-4正向传播与反向传播.mp4 - 23.4M
　 ├─ 03-11Numpy数组统计运算：常用的都在这儿了.mp4 - 16M
　 ├─ 04-7特征归一化.mp4 - 27.8M
　 ├─ 07-5基尼系数.mp4 - 19.6M
　 ├─ 03-10Numpy数组矩阵运算：一元运算、二元运算与矩阵运算.mp4 - 33M
　 ├─ 06-5过拟合与欠拟合.mp4 - 25.1M
　 ├─ 06-1本章总览.mp4 - 30.6M
　 ├─ 05-11线性算法优缺点和适用条件.mp4 - 21.6M
　 ├─ 03-3Anaconda命令行操作.mp4 - 18.9M
　 ├─ 09-2SVM核心思想和原理.mp4 - 15.7M
　 ├─ 04-9KNN优缺点和适用条件.mp4 - 20.9M
　 ├─ 01-1课程内容和理念.mp4 - 60.9M
　 ├─ 12-1本章总览.mp4 - 9.9M
　 ├─ 05-3逻辑回归核心思想和原理.mp4 - 25.4M
　 ├─ 05-2线性回归核心思想和原理.mp4 - 40.3M
　 ├─ 09-7SVM核函数.mp4 - 21.9M
　 ├─ 07-3信息熵.mp4 - 39.7M
　 ├─ 06-11模型泛化.mp4 - 24.6M
　 ├─ 03-9Numpy非常重要的数组合并与拆分操作.mp4 - 18.7M
　 ├─ 05-9多分类策略.mp4 - 8.7M
　 ├─ 07-2决策树核心思想和原理.mp4 - 22.7M
　 ├─ 09-9SVM回归任务代码实现.mp4 - 14.3M
　 ├─ 12-4聚类算法代码实现.mp4 - 21.9M
　 ├─ 06-13评价指标：ROC曲线.mp4 - 33.8M
　 ├─ 05-6多项式回归代码实现.mp4 - 19.7M
　 ├─ 08-6神经网络简单代码实现.mp4 - 28.9M
　 ├─ 10-2贝叶斯方法核心思想和原理.mp4 - 32M
　 ├─ 03-6Numpy基础：安装与性能对比.mp4 - 15.5M
　 ├─ 08-2神经网络核心思想和原理.mp4 - 56.4M
　 ├─ 10-4朴素贝叶斯的代码实现.mp4 - 27.2M
　 ├─ 09-1本章总览.mp4 - 35.6M
　 ├─ 11-8集成学习优缺点和适用条件.mp4 - 24.9M
　 └─ 11-5并行策略：随机森林.mp4 - 17.6M