文件清单 131 项

• 1.机器学习概述(1).mp4
• 2.回归算法.mp4
• 3.线性回归误差原理推导.mp4
• 4.目标函数求解.mp4
• 5.逻辑回归原理.mp4
• 6.梯度下降实例.mp4
• 7.梯度下降原理.mp4
• 1.决策树概述.mp4
• 2.熵原理形象解读.mp4

展开全部 131 项

• 3.决策树构造实例.mp4
• 4.信息增益.mp4
• 5.信息增益率.mp4
• 6.决策树剪枝.mp4
• 7.随机森林.mp4
• 8.案例决策树参数.mp4
• 1.贝叶斯算法概述.mp4
• 2.贝叶斯推导实例.mp4
• 3.贝叶斯拼写纠错实例.mp4
• 4.垃圾邮件过滤实例.mp4
• 5.贝叶斯实现拼写检查器.mp4
• 1.集成思想.mp4
• 2.xgboost基本原理.mp4
• 3.xgboost目标函数推导.mp4
• 4.xgboost求解实例.mp4
• 5.xgboost安装.mp4
• 6.xgboost实战演示.mp4
• 7.Adaboost算法概述.mp4
• 1.支持向量机要解决的问题.mp4
• 2.支持向量机求解目标.mp4
• 3.支持向量机目标函数求解.mp4
• 4.支持向量机求解例子.mp4
• 5.支持向量的作用.mp4
• 6.软间隔支持向量机.mp4
• 7.核函数变换.mp4
• 1.数据平稳性与差分法.mp4
• 2.ARIMA模型.mp4
• 3.相关函数评估方法.mp4
• 4.建立ARIMA模型.mp4
• 5.参数选择.mp4
• 1.深度学习概述.mp4
• 2.挑战与常规套路.mp4
• 3.用K近邻来进行分类.mp4
• 4.超参数与交叉验证.mp4
• 5.线性分类.mp4
• 6.损失函数.mp4
• 7.正则化惩罚项.mp4
• 8.softmax分类器.mp4
• 9.最优化形象解读.mp4
• 10.最优化问题细节.mp4
• 11.反向传播.mp4
• 1.整体架构.mp4
• 2.实例演示.mp4
• 3.过拟合解决方案.mp4
• 4.感受神经网络的强大.mp4
• 1.PCA问题.mp4
• 2.PCA降维实例.mp4
• 3.SVD原理.mp4
• 4.SVD推荐系统.mp4
• 1.聚类算法概述.mp4
• 2.使用Kmeans进行图像压缩.mp4
• 3.特征工程2.mp4
• 1.开场.mp4
• 2.推荐系统应用.mp4
• 3.推荐系统要完成的任务.mp4
• 4.相似度计算.mp4
• 5.基于用户的协同过滤.mp4
• 6.基于物品的协同过滤.mp4
• 7.隐语义模型.mp4
• 8.隐语义模型求解.mp4
• 9.模型评估标准.mp4
• 1.开篇.mp4
• 2.自然语言处理与深度学习.mp4
• 3.语言模型.mp4
• 4.N-gram模型.mp4
• 5.词向量.mp4
• 6.神经网络模型.mp4
• 7.Hierarchical Softmax.mp4
• 8.CBOW模型实例.mp4
• 9.CBOW求解目标.mp4
• 10.锑度上升求解.mp4
• 11.负采样模型.mp4
• 1.科比数据集简介.mp4
• 2.数据预处理 (1).mp4
• 3.建模.mp4
• 1.案例背景和目标.mp4
• 2.样本不均衡解决方案.mp4
• 3.下采样策略.mp4
• 4.交叉验证.mp4
• 5.模型评估方法.mp4
• 6.正则化惩罚.mp4
• 7.逻辑回归模型.mp4
• 8.混淆矩阵.mp4
• 9.逻辑回归阈值对结果的影响.mp4
• 10.SMOTE样本生成策略.mp4
• 1.文本分析与关键词提取.mp4
• 2.相似度计算.mp4
• 3.新闻数据与任务简介.mp4
• 4.TF-IDF关键词提取.mp4
• 5.LDA建模.mp4
• 6.基于贝叶斯算法进行新闻分类.mp4
• 人工智能教程-机器学习基础/
• 第二阶段:机器学习经典算法/
• 第三阶段:机器学习案例实战/
• 第一阶段:Python数据分析与建模库/
• 01回归算法/
• 02决策树与随机森林/
• 03贝叶斯算法/
• 04 Xgboost/
• 05支持向量机算法/
• 06时间序列AIRMA模型/
• 07神经网络基础/
• 08神经网络架构/
• 09PCA降维与SVD矩阵分解/
• 10聚类算法/
• 11推荐系统/
• 12Word2Vec/
• 01使用Python分析科比生涯数据/
• 02案例实战-信用卡欺诈检测/
• 03Python文本数据分析/
• 04Kaggle竞赛案例-泰坦尼克获救预测/
• 05时间序列案例实战/
• 06TensorFlow框架/
• 07MNIST手写字体识别/
• 08Gensim中文词向量建模/
• 09探索性数据分析-赛事数据集分析/
• 10 探索性数据分析-农粮数据分析/
• 01Python快速入门/
• 02科学计算库Numpy/
• 03数据分析处理库Pandas/
• 04可视化库Matplotlib/
• 05Seaborn可视化库/