文件清单 56 项

• project (1).zip
• project0.zip
• 3-9 Numpy中的arg运算.mp4
• 3-4 创建numpy数组和矩阵.mp4
• 3-6 Numpy数组的合并与分割.mp4
• 3-2 jupyter notebook中的魔法命令.mp4
• 3-3 Numpy数据基础.mp4
• 3-5 Numpy数组的基本操作.mp4
• 3-10 Numpy中的比较和FancyIndexing.mp4

展开全部 56 项

• 3-11 Matplotlib数据可视化基础.mp4
• 3-1 jupyter notebook基础.mp4
• 3-7 Numpy中的矩阵运算.mp4
• 3-8 Numpy中的聚合运算.mp4
• 9-3 逻辑回归损失函数的梯度.mp4
• 9-8 OvR与OvO.mp4
• 9-6 在逻辑回归中使用多项式特征.mp4
• 9-5 决策边界.mp4
• 9-1 什么是逻辑回归.mp4
• 9-7 scikit-learn中的逻辑回归.mp4
• 9-4 实现逻辑回归算法.mp4
• 9-2 逻辑回归的损失函数.mp4
• 13-4 oob(Out-of-Bag)和关于Bagging的更多讨论.mp4
• 13-6 Ada Boosting和Gradient Boosting.mp4
• 13-5 随机森林和Extra-Trees.mp4
• 13-3 Bagging和Pasting.mp4
• 13-7 Stacking.mp4
• 13-1什么是集成学习.mp4
• 13-2 SoftVoting Classifier.mp4
• 6-5 梯度下降的向量化和数据标准化.mp4
• 6-9 有关梯度下降法的更多深入讨论.mp4
• 6-2 模拟实现梯度下降法.mp4
• 6-6 随机梯度下降法.mp4
• 6-3 线性回归中的梯度下降法.mp4
• 6-1 什么是梯度下降法.mp4
• 6-8 如何确定梯度计算的准确性 调试梯度下降法.mp4
• 6-7 scikit-learn中的随机梯度下降法.mp4
• 6-4 实现线性回归中的梯度下降法.mp4
• 8-7 偏差方差平衡.mp4
• 8-9 LASSO.mp4
• 8-2 scikit-learn中的多项式回归于pipeline.mp4
• 8-10 L1,L2和弹性网络.mp4
• 8-1 什么是多项式回归.mp4
• 8-6 验证数据集与交叉验证.mp4
• 8-5 学习曲线.mp4
• 8-8 模型泛化与岭回归.mp4
• 8-4 为什么要训练数据集与测试数据集.mp4
• 8-3 过拟合与前拟合.mp4
• 7-7 试手MNIST数据集.mp4
• 7-3 求数据的主成分PCA.mp4
• 7-1 什么是PCA.mp4
• 7-5 高维数据映射为低维数据.mp4
• 7-2 使用梯度上升法求解PCA问题.mp4
• 7-8 使用PCA对数据进行降噪.mp4
• 7-9 人脸识别与特征脸.mp4
• 7-6 scikit-learn中的PCA.mp4
• 7-4 求数据的前n个主成分.mp4