静电势专题讲解，原理+计算演示+案例分析一次讲透！| 华算科技
6644播放
1.0万
3
2023-10-30 22:17:05
未经作者授权，禁止转载
124
90
324
69
课程总结
收起全部章节
关闭课程总结
暂无课程总结
RDKit系列教程 第一节：简介与安装
RDKit官网:http://www.rdkit.org/
The RDKit Documentation:http://www.rdkit.org/docs/index.html
学习
77/146
加载中...
3053播放
4.0万播放
【技术干货】超参数优化专题：贝叶斯优化|BayesOpt|HyperOpt|Optuna|自动化调参|高斯过程|TPE|机器学习
8.1万播放
1.贝叶斯优化的基本流程
54:39
2 BayesOpt vs HyperOpt vs Optuna
14:54
3 基于BayesOpt实现高斯过程gp优化
45:45
4037播放
1.0万播放
6178播放
这可能是b站最全的【MATLAB神经网络和优化算法】教程！68讲全！大佬带你入门！简单易懂，手把手带你走进AI人工智能世界！
28.9万播放
1-1 matlab感知器神经网络初步学习
08:45
人工智能零基础入门学习路线全详解，少走弯路！
14:22
【干货】如何准备一篇论文？从“做什么”到创新点到实验再到工具全流程！
38:43
2.2 matlab使用建立好的神经网络进行分类
05:40
3.3 matlab线性神经网络预测
07:01
4.4 BP神经网络matlab信号拟合
03:32
5.5 matlab径向基神经网络预测
01:12
6.6 matlab广义回归神经网络预测
01:26
7.7 matlab概率神经网络分类问题
01:14
8.8 BP神经网络matlab预测汽油浓度案例详解
54:10
9.9 RBF、GRNN、PNN案例matlab讲解
30:38
10.10 matlab竞争神经网络和SOM神经网络案例讲解
19:57
11.11 matlab支持向量机案例讲解
23:45
12.12 matlab极限学习机案例
27:43
13.13 matlab决策树与随机森林案例讲解
32:05
14.14 matlab遗传算法
22:13
15.15 matlab粒子群优化算法案例
47:27
16.16 matlab蚁群算法案例
19:20
17.17 matlab模拟退火算法案例
21:12
18.18 matlab降维与特征选择案例
07:10
19.19 使用MATLAB中的BP神经网络来做字母识别
15:17
20.20 matlab灰色神经网络预测订单需求
06:01
21.21 matlab模糊神经网络预测水质评价
03:44
22.22 matlab小波神经网络时间序列预测交通流量
02:37
23.23.Elman神经网络matlab预测数据
02:32
24.24 matlab连续Hopfield神经网络的优化旅行商问题优化计算
02:52
25.25 matlab灰色预测模型发电量预测
01:36
26.26 matlab概率神经网络分类预测基于PNN变压器故障诊断
03:06
27.27 BP_Adaboost强分类器公司财务matlab预警建模
02:16
28.28 matlab离散Hopfield神经网络联想记忆数字识别
01:27
29.29 matlab基于贝叶斯Bayes的数据预测
01:10
30.30 matlab免疫算法的精髓
07:58
31.31 matlab免疫遗传算法实现图像阈值分割
12:45
32.32 matlab免疫算法的克隆选择
03:50
33.33 matlab免疫算法最短路径规划1
02:01
34.34 matlab免疫算法最短路径规划2
02:16
35.35 matlab免疫算法在旅行商问题中的解决方法
03:01
36.36 matlab免疫算法在故障检测中的应用
02:39
37.37 matlab建立pi型隶属度函数pimf
04:34
38.38 matlab建立双边高斯型隶属度函数gauss2mf
03:53
39.39 matlab函数gaussmf建立高斯型隶属度函数
01:38
40.40 matlab建立一般的钟型隶属度函数gbellmf
01:45
41.41 matlab利用函数smf建立S型隶属度函数
01:26
42.42 matlab利用函数trapmf建立梯形型隶属度函数
02:41
43.43 matlab用函数trimf建立三角型隶属度函数
00:47
44.44 matlab建立梯形型隶属度函数zmf
00:55
45.45 matlab小学生奖学金模糊控制推理系统
01:50
46.46 matlab航空小姐选拔模糊控制推理系统
02:41
47.47 matlab钢铁厂制备模糊神经推理系统
06:17
48.48 matlab模糊控制实现解耦控制
03:38
49.49 matlab模糊神经网络在函数逼近中的应用
03:47
50.50 matlab模糊控制PID控制器
00:49
51.51 bmatla模糊神经网络算法实现水质评价
02:19
52.52 matlab使用RBF神经网络拟合函数
04:06
53.53 BP神经网络matlab车牌识别
22:38
54.54 matlab建立具有稳定点的hopfield神经网络
01:08
55.55 matlab基于概率神经网络的故障诊断
01:50
56.56 matlab使用BP和LVQ神经网络、图像处理技术三种方法实现人
02:28
57.57 matlab使用灰色神经网络预测小样本数据
01:24
58.58 matlab使用前馈神经网络预测样本数据
01:43
59.59 使用BP_Adaboost算法弱分离器matlab预测
01:49
60.60 matlab基于遗传算法的MP算法
03:09
61.61 matlab遗传算法设计PID控制器
01:06
62.62 matlab遗传算法求解不等式
00:49
63.63 matlab应用遗传算法和KSW熵法实现灰度图像阈值分割（多种方法）
02:00
64.64 matlab遗传算法道路图像阈值分割
01:27
65.65 matlab遗传神经网络图像分割
01:06
66.66 matlab基于二进制和实数制编码遗传算法的PID整定
16:13
67.67 matlab基于二进制和实数制编码遗传算法的PID整定2
01:13
68.68 matlab基于二进制和实数制编码遗传算法的PID整定3
00:21
PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】
835.8万播放
P1. PyTorch环境的配置及安装（Configuration and Installation of PyTorch)【PyTorch教程】
14:26
P2. Python编辑器的选择、安装及配置（PyCharm、Jupyter安装）【PyTorch教程】
12:42
【FAQ】为什么torch.cuda.is_available返回False
05:53
P3. Python学习中的两大法宝函数（当然也可以用在PyTorch）
09:12
P4. PyCharm及Jupyter使用及对比
16:39
P5. PyTorch加载数据初认识
11:11
P6. Dataset类代码实战
25:17
P7. TensorBoard的使用（一）
16:31
P8. TensorBoard的使用（二）
11:16
P9. Transforms的使用（一）
18:28
P9. Transforms的使用（二）
08:03
常见的Transforms（一）
18:20
常见的Transforms（二）
21:24
torchvision中的数据集使用
22:51
DataLoader的使用
22:16
神经网络的基本骨架-nn.Module的使用
15:57
土堆说卷积操作（可选看）
26:37
神经网络-卷积层
28:46
神经网络-最大池化的使用
24:26
神经网络-非线性激活
13:23
神经网络-线性层及其他层介绍
23:22
神经网络-搭建小实战和Sequential的使用
26:00
损失函数与反向传播
31:58
优化器（一）
17:38
现有网络模型的使用及修改
23:29
网络模型的保存与读取
16:49
完整的模型训练套路（一）
27:34
完整的模型训练套路（二）
22:22
完整的模型训练套路（三）
05:22
利用GPU训练（一）
15:21
利用GPU训练（二）
08:11
完整的模型验证套路
18:41
【完结】看看开源项目
10:13
我居然只花4个小时就学懂了【优化算法】，遗传算法、蚁群算法、模拟退火算法、粒子群优化算法一次吃透！！！MATLAB/机器学习/人工智能课程
28.2万播放
遗传算法（Genetic Algorithm, GA）)
01:08:55
粒子群优化（Particle Swarm Optimization, PSO）算法
59:26
蚁群算法（Ant Colony Algorithm, ACA）
46:06
模拟退火算法（Simulated Annealing, SA）
01:01:12
1.3万播放
【技术干货】超参数优化专题：随机与Halving网格搜索 | 机器学习实战正课节选
2.0万播放
超参数优化正课目录
04:12
（节选）随机网格搜索
26:52
（节选）对半Halving网格搜索
35:15
【技术干货】集成算法专题：XGBoost（2022新版）
3.0万播放
1.1 本周内容导学 + XGBoost的基本思想
28:32
1.2 实现XGBoost回归：sklearnAPI详解
22:41
1.3 实现XGBoost回归：xgb原生代码详解
25:01
【GBDT】梯度提升树原理及其公式推导
8.2万播放
1.【提升树】概述
02:19
2.【二分类问题】的提升树
03:23
3.【回归问题】的提升树
04:48
4.【GBDT】梯度提升树
11:55
【sklearn机器学习】菜菜的sklearn机器学习完整版（下）
9.0万播放
10 0 本周要讲解的内容_trim
01:32
10 1.1 为什么需要朴素贝叶斯
04:04
10 1.2 概率论基础 - 贝叶斯理论等式
06:02
10 1.2.1 瓢虫冬眠：理解条件概率
23:00
10 1.2.2 贝叶斯的性质与最大后验估计
06:37
10 1.2.3 汉堡称重：连续型变量的概率估计
12:57
10 1.3 sklearn中的朴素贝叶斯
02:35
10 2.1.1 认识高斯朴素贝叶斯
19:57
10 2.1.2 高斯朴素贝叶斯擅长的数据集
04:09
10 2.1.3 探索贝叶斯 - 拟合中的特性与运行速度
40:21
10 2.2.1 概率类模型的评估指标 (1) - 布里尔分数
12:41
10 2.2.1 概率类模型的评估指标 (2) - 布里尔分数的可视化
06:02
10 2.2.2 概率类模型的评估指标 (3) - 对数损失Log loss
13:13
10 2.2.3 概率类模型的评估指标 (4) - 可靠性曲线
35:16
10 2.2.4 概率类模型的评估指标 (5) - 概率分布直方图
10:34
10 2.2.5 概率类模型的评估指标 (6) - 概率校准
21:48
10 2.3.1 多项式朴素贝叶斯 (1) - 认识多项式朴素贝叶斯
05:15
10 2.3.1 多项式朴素贝叶斯 (2) - 数学原理
05:51
10 2.3.1 多项式朴素贝叶斯 (3) - sklearn中的类与参数
04:29
10 2.3.1 多项式朴素贝叶斯 (4) - 来构造一个分类器吧
11:30
10 2.3.2 伯努利朴素贝叶斯 (1) - 认识伯努利朴素贝叶斯
02:48
10 2.3.2 伯努利朴素贝叶斯 (2) - sklearn中的类与参数
03:09
10 2.3.2 伯努利朴素贝叶斯 (3) - 构造一个分类器
03:22
10 2.3.3 探索贝叶斯 - 朴素贝叶斯的样本不均衡问题
13:43
10 2.3.4 补集朴素贝叶斯 (1) - 补集朴素贝叶斯的原理
10:06
10 2.3.4 补集朴素贝叶斯 (2) - 处理样本不均衡问题
03:41
10 3.1 案例：贝叶斯做文本分类 (1) - 单词计数向量技术
07:50
10 3.2 案例：贝叶斯做文本分类 (2) - 单词计数向量的问题
04:36
10 3.3 案例：贝叶斯做文本分类 (3) - TF-IDF技术
06:56
10 3.4 案例：贝叶斯做文本分类 (4) - 探索和提取文本数据
15:30
10 3.5 案例：贝叶斯做文本分类 (5) - 使用TF-IDF编码文本数据
03:39
10 3.6 案例：贝叶斯做文本分类 (6) - 算法应用与概率校准
12:31
11 0 本周要学习什么_trim
03:59
11 1 XGBoost前瞻：安装xgboost，xgboost库与sklearn API
12:45
11 2.1 梯度提升树(1)：集成算法回顾，重要参数n_estimators
13:15
11 2.1 梯度提升树(2)：参数n_estimators下的建模
21:24
11 2.1 梯度提升树(3)：参数n_estimators的学习曲线
13:38
11 2.1 梯度提升树(4)：基于方差-偏差困境改进的学习曲线
12:39
11 2.2 梯度提升树(5)：控制有放回随机抽样，参数subsample
15:18
11 2.3 梯度提升树(6)：迭代决策树：重要参数eta
20:52
11 2.3 梯度提升树(7)：迭代决策树：重要参数eta
03:38
11 3.1 XGBoost的智慧 (1)：选择弱评估器：重要参数booster
04:41
11 3.2 XGBoost的智慧 (2)：XGBoost的目标函数，使用xgboost库建模
28:02
11 3.3 XGBoost的智慧 (3)：求解XGBoost的目标函数 - 推导过程
18:16
11 3.3 XGBoost的智慧 (4)：求解XGboost的目标函数 - 泰勒展开的相关问题
05:47
11 3.4 XGBoost的智慧 (5)：参数化决策树，正则化参数lambda与alpha
16:10
11 3.5 XGBoost的智慧 (6)：建立目标函数与树结构的直接联系
11:25
11 3.5 XGBoost的智慧 (7)：最优树结构，求解w和T
20:33
11 3.6 XGBoost的智慧 (8)：贪婪算法求解最优树
10:06
11 3.7 XGBoost的智慧 (9)：让树停止生长：重要参数gamma与工具xgb.cv
34:12
11 4.1 XGBoost应用 (1)：减轻过拟合：XGBoost中的剪枝参数
08:43
11 4.1 XGBoost应用 (2)：使用xgb.cv进行剪枝参数的调参
35:16
11 4.2 XGBoost应用 (3)：使用pickle保存和调用训练好的XGB模型
10:47
11 4.2 XGBoost应用 (4)：使用joblib保存和调用训练好的XGB模型
07:40
11 4.3 XGBoost应用 (5)：XGB分类中的样本不平衡问题 - sklearnAPI
12:20
11 4.3 XGBoost应用 (6)：XGB分类中的样本不平衡问题 - xgboost库
15:49
11 4.4 XGBoost应用 (7)：XGB应用中的其他问题
09:19
12 1.打开深度学习的大门，神经网络入门
11:25
12 2.1 回归单层神经网络：线性回归
11:22
12 2.2 二分类单层神经网络：sigmoid函数与阶跃函数
15:44
12 2.3 多分类单层神经网络：softmax回归
21:25
12 2.4 回归vs二分类vs多分类
03:51
躺懂XGBoost，学不会来打我（doge）
34.7万播放
1.简介
02:28
2.【回归树及其数学表达】
04:37
3.【目标函数】整体表达式
05:18
4.【目标函数】正则项处理
04:03
5【目标函数】目标拆解
09:45
6.【目标函数】泰勒二阶展开1
03:30
7.【目标函数】泰勒二阶展开2
06:02
8.【目标函数】最优wj与最优obj
04:17
9.【确定树的结构】穷举法
03:53
10.【确定树的结构】精确贪心算法大致过程
10:45
11.【确定树结构】精确贪心算法具体算法流程
10:07
12.【确定树结构】优化思路
02:43
13.【近似算法】列采样
03:25
14.【近似算法】特征值分桶示例
04:24
15.【近似算法】加权分位法
09:46
16.【近似算法】全局策略
03:12
17.【近似算法】局部策略
03:33
18.缺失值处理
03:23
19.Shrinkage
01:16
20.【系统设计】核外块运算
03:31
21.【系统设计】分块并行
06:37
22.【系统设计】缓存命中率
06:12
23.【系统设计】缓存优化
01:50
24.总结梳理
03:35
【技术干货】菜菜的机器学习sklearn11 -XGBoost
4.0万播放
11.0 本周要学习什么内容
04:10
1 XGBoost前瞻：安装xgboost，xgboost库与sklearn API
12:45
2.1 梯度提升树(1)：集成算法回顾，重要参数n_estimators
13:15
2.1 梯度提升树(2)：参数n_estimators下的建模
21:24
2.1 梯度提升树(3)：参数n_estimators的学习曲线
13:38
2.1 梯度提升树(4)：基于方差-偏差困境改进的学习曲线
12:39
2.2 梯度提升树(5)：控制有放回随机抽样，参数subsample
15:18
2.3 梯度提升树(6)：迭代决策树：重要参数eta
20:52
2.3 梯度提升树(7)：迭代决策树：重要参数eta
03:38
【机器学习-K近邻算法】绝对通俗易懂的机器学习算法之一——K-近邻算法课程分享！快速学会KNN算法-机器学习/-K近邻算法原理和分析/KNN
7.6万播放
1 k近邻算法简介
12:50
2 k近邻算法的初步使用
16:57
3 距离度量（一）
06:59
4 距离度量（二）
11:03
5 距离度量（三）
17:46
6 k值的选择
08:13
7 kd树构造
29:06
8 kd树搜索(2.1,3.1)
05:58
9 kd树搜索(2,4.5)
04:06
10 数据集介绍
16:47
11 鸢尾花数据可视化
14:52
12 数据集划分
12:18
13 特征预处理
20:58
14 鸢尾花案例实现
13:06
15 今日总结
11:17
16 昨日复习
25:08
17 knn算法总结
07:40
18 交叉验证
14:34
19 网格搜索
16:50
20 facebook案例预测流程分析
20:49
【技术干货】菜菜的机器学习sklearn04 - 主成分分析PCA与奇异值分解SVD
2.4万播放
4.1 概述
12:43
4 2.1 降维究竟怎样实现？
23:08
4 2.2 参数 + 案例：高维数据的可视化 (1)
33:43
4 2.2 参数 + 案例：高维数据的可视化 (2)
04:33
4 2.3 PCA中的SVD，重要参数svd_solver
23:32
4 2.3 参数 + 案例：人脸识别中的components_应用
41:46
【计算机博士带你啃书】白话讲解周志华机器学习西瓜书
24.7万播放
人工智能周志华机器学习教材版第1章集合（1-6）（西瓜书、南瓜书、人工智能学习路线可以在评论区自行获取）
01:28:53
1.人工智能周志华机器学习教材版第2章-2-1（西瓜书、南瓜书、人工智能学习路线可以在评论区自行获取）
09:55
2.第2章 - 人工智能-周志华ML教材版-2-2
20:55
3.第2章 - 人工智能-周志华ML教材版-2-3
50:48
4.第2章 - 人工智能-周志华ML教材版-2-4
39:36
5.第2章 - 人工智能-周志华ML教材版-2-5
19:58
1.人工智能周志华机器学习教材版第3章-3-1
03:57
2.第3章 - 人工智能-周志华ML教材版-3-2
38:28
3.第3章 - 人工智能-周志华ML教材版-3-3
27:22
4.第3章 - 人工智能-周志华ML教材版-3-4
45:40
5.第3章 - 人工智能-周志华ML教材版-3-5
11:13
6.第3章 - 人工智能-周志华ML教材版-3-6
09:07
1.人工智能周志华机器学习教材版第4章 - 人工智能-周志华ML教材版-4-1
10:23
2.人工智能周志华机器学习教材版第4章 - 人工智能-周志华ML教材版-4-2
19:39
3.人工智能周志华机器学习教材版第4章 - 人工智能-周志华ML教材版-4-3
12:39
4.人工智能周志华机器学习教材版第4章 - 人工智能-周志华ML教材版-4-4
22:48
5.人工智能周志华机器学习教材版第4章 - 人工智能-周志华ML教材版-4-5
05:04
1.人工智能周志华机器学习教材版第5章-5-1
07:23
2.第5章 - 人工智能-周志华ML教材版-5-2
20:21
3.第5章 - 人工智能-周志华ML教材版-5-3
50:57
4.第5章 - 人工智能-周志华ML教材版-5-4
14:13
5.第5章 - 人工智能-周志华ML教材版-5-5
30:40
6.第5章 - 人工智能-周志华ML教材版-5-6
14:43
1.人工智能周志华机器学习教材版第6章-6-1
16:42
2.人工智能周志华机器学习教材版第6章 - 人工智能-周志华ML教材版-6-2
35:50
3.人工智能周志华机器学习教材版第6章 - 人工智能-周志华ML教材版-6-3
12:03
4.人工智能周志华机器学习教材版第6章 - 人工智能-周志华ML教材版-6-4
29:04
5.人工智能周志华机器学习教材版第6章 - 人工智能-周志华ML教材版-6-5
21:23
6.人工智能周志华机器学习教材版第6章 - 人工智能-周志华ML教材版-6-6
25:33
1.人工智能周志华机器学习教材版第7章-7-1
20:04
2.第7章 - 人工智能-周志华ML教材版-7-2
17:42
3.第7章 - 人工智能-周志华ML教材版-7-3
20:35
4.第7章 - 人工智能-周志华ML教材版-7-4
20:32
5.第7章 - 人工智能-周志华ML教材版-7-5
42:28
6.第7章 - 人工智能-周志华ML教材版-7-6
09:07
1.第8章 - 人工智能-周志华ML教材版-8-1
12:36
2.第8章 - 人工智能-周志华ML教材版-8-2
39:39
3.第8章 - 人工智能-周志华ML教材版-8-3
20:00
4.第8章 - 人工智能-周志华ML教材版-8-4
22:37
5.第8章 - 人工智能-周志华ML教材版-8-5
23:21
1.人工智能-周志华ML教材版-9-1
10:06
2.人工智能-周志华ML教材版-9-2
22:10
3.人工智能-周志华ML教材版-9-3
18:29
4.人工智能-周志华ML教材版-9-4
44:40
5.人工智能-周志华ML教材版-9-5
28:48
6.人工智能-周志华ML教材版-9-6
14:34
1.人工智能-周志华ML教材版-10-1
12:07
2.人工智能-周志华ML教材版-10 - 人工智能-周志华ML教材版-10-2
33:30
3.人工智能-周志华ML教材版-10 - 人工智能-周志华ML教材版-10-3
44:08
4.人工智能-周志华ML教材版-10 - 人工智能-周志华ML教材版-10-4
08:54
5.人工智能-周志华ML教材版-10 - 人工智能-周志华ML教材版-10-5
17:16
6.人工智能-周志华ML教材版-10 - 人工智能-周志华ML教材版-10-6
11:12
1.人工智能周志华教材版第11章-11-1
13:32
2.人工智能周志华教材版第11章 - 人工智能周志华教材版11-2
11:26
3.人工智能周志华教材版第11章 - 人工智能周志华教材版11-3
10:56
4.人工智能周志华教材版第11章 - 人工智能周志华教材版11-4
26:42
5.人工智能周志华教材版第11章 - 人工智能周志华教材版11-5
25:00
6.人工智能周志华教材版第11章 - 人工智能周志华教材版11-6
19:58
1.人工智能-周志华ML教材版-12-1
18:25
2.人工智能-周志华ML教材版-12-2
20:00
3.人工智能-周志华ML教材版-12-3
17:21
4.人工智能-周志华ML教材版-12-4
22:29
5.人工智能-周志华ML教材版-12-5
26:50
6.人工智能-周志华ML教材版-12-6
17:52
1.人工智能-周志华ML教材版-13-1
13:12
2.人工智能-周志华ML教材版-13-2
16:07
3.人工智能-周志华ML教材版-13-3
08:26
4.人工智能-周志华ML教材版-13-4
29:25
5.人工智能-周志华ML教材版-13-5
18:57
6.人工智能-周志华ML教材版-13-6
06:40
1.人工智能-周志华ML教材版-14-1
32:33
2.人工智能-周志华ML教材版-14-2
19:49
3.人工智能-周志华ML教材版-14-3
14:07
4.人工智能-周志华ML教材版-14-4
13:42
5.人工智能-周志华ML教材版-14-5
51:10
6.人工智能-周志华ML教材版-14-6
20:13
1.人工智能-周志华ML教材版-15-1
12:50
2.人工智能-周志华ML教材版-15-2
13:08
3.人工智能-周志华ML教材版-15-3
10:49
4.人工智能-周志华ML教材版-15-4
08:51
5.人工智能-周志华ML教材版-15-5
21:36
1.人工智能-周志华ML教材版-16章 - 人工智能-周志华ML教材版-16-1
13:17
2.人工智能-周志华ML教材版-16章 - 人工智能-周志华ML教材版-16-2
15:08
3.人工智能-周志华ML教材版-16章 - 人工智能-周志华ML教材版-16-3
32:10
4.人工智能-周志华ML教材版-16章 - 人工智能-周志华ML教材版-16-4
45:41
5.人工智能-周志华ML教材版-16章 - 人工智能-周志华ML教材版-16-5
13:47
6.人工智能-周志华ML教材版-16章 - 人工智能-周志华ML教材版-16-6
12:47
【技术干货】菜菜的机器学习sklearn06 - 聚类算法与KMeans
2.0万播放
6.0 概述
01:15
6 1.1 无监督学习概述，聚类vs分类_trim
09:35
6 1.2 sklearn当中的聚类算法_trim
04:20
6 2.1 Kmeans是如何工作的？_trim
11:40
6 2.2 & 2.3 簇内平方和，时间复杂度
16:49
6 3.1.1 KMeans - 重要参数n_clusters
26:32
6 3.1.2 聚类算法的模型评估指标 (1)
12:59
6 3.1.2 聚类算法的模型评估指标 (2) - 轮廓系数
05:51
6 3.1.2 聚类算法的模型评估指标 (3) - CHI
09:45
6 3.1.3 案例：轮廓系数找最佳n_clusters (1)
10:03
6 3.1.3 案例：轮廓系数找最佳n_clusters (2)
11:00
6 3.1.3 案例：轮廓系数找最佳n_clusters (3)
23:19
7.0万播放
【技术干货】菜菜的机器学习sklearn08 - 支持向量机SVM（下） - 核函数
1.7万播放
7.2.2.1 & 2.2.2 非线性SVM与核函数：重要参数kernel
11:06
7 2.2.3 案例：如何选取最佳核函数 (1)
26:08
7 2.2.3 案例：如何选取最佳核函数 (2)
15:53
7 2.2.4 案例：在乳腺癌数据集上探索核函数的性质
33:09
7 2.2.5 案例：在乳腺癌数据集上对核函数进行调参 (1)
05:38
7 2.2.5 案例：在乳腺癌数据集上对核函数进行调参 (2)
12:01
【一起啃书】机器学习西瓜书白话解读
171.4万播放
【食用须知】
15:52
0000机器学习视频说明
11:06
0101绪论基本概念
09:05
0102假设空间归纳偏好
03:09
0201模型评估与选择
02:20
0202经验误差与过拟合
03:06
0203测试集分割留出法
05:33
0204K折交叉验证
01:35
0205测试集分割自助法
03:05
0206验证集
02:27
0207均方误差
04:56
0208错误率与精确度公式
03:15
0209查准率与查全率
03:48
0210P-R反向关系原理
07:58
0211P-R反向关系图像与F1
05:16
0212P-R加权调和平均Fbeta
02:10
0213macro_microP-R
03:34
0214使用P-R曲线比较不同模型
02:54
0215ROC曲线
05:07
0216排序损失rank-loss
02:37
0217AUC与rank-loss
05:43
0218代价敏感曲线引入
05:51
0219代价曲线思路
06:11
0220实例说明一个阈值对应一条直线
11:08
0221多条直线围成代价敏感曲线
08:07
0222横纵轴归一化说明
04:21
0223假设检验目的
02:05
0224泛化问题与概率论课程推荐
03:28
0225二项分布【这部分群里也没代码自己敲】
04:05
0226代码实现二项分布【这部分群里也没代码自己敲】
04:51
0227假设检验举例e=0.3【这部分群里也没代码自己敲】
03:10
0228假设e_0大于等于0.3【这部分群里也没代码自己敲】
03:24
0229多个测试集一种算法的假设检验
05:41
0230第二章先到这吧溜了溜了
01:54
0301线性回归开始了哈哈
02:34
0302线性关系基本模式
04:02
0303一元线性回归
04:03
0304线性函数矩阵表示法
04:50
0305一元矩阵w偏导
06:00
0306一元矩阵对b求偏导
01:32
0307多元线性回归
03:46
0308求导没推给个例子
01:21
0309对数线性回归与广义线性回归
01:28
0310对数或逻辑线性回归
05:39
0311线性判别分析LDA与多分类学习略
02:02
0312类别不平衡问题
02:28
0313梯度下降法
04:12
0314批量梯度下降
02:46
0315随机梯度下降
01:30
0316学习率局部最优全局最优
04:49
0317_【重制】逻辑回归
01:59
0318_【重制】逻辑回归的目标与核心问题
05:05
0319_【重制】sigmoid的诞生
13:44
0401决策树基本形式与本章安排
07:09
0401信息熵：什么是信息什么是熵
03:22
0402熵的度量：均匀分布
03:48
0403熵的度量：一般分布
03:42
0404信息的度量：信息增益
02:54
0405决策树ID3算法举例：好坏西瓜
06:39
0406好坏西瓜继续分叉
02:01
0407增益率简述
03:03
0408决策树CART算法基尼指数
04:47
0409基尼指数计算：第一次分叉
02:12
0410基尼指数计算：第二次分叉
01:02
0411基尼指数计算：第三次分叉与分叉终止
01:58
0412CART算法回归树
04:18
0413剪枝处理
05:59
0414预剪枝一
02:22
0415预剪枝二
03:23
0416后剪枝
03:49
0417连续值C4.5二分法信息增益最大准则
03:11
0418决策树缺失值处理
04:41
0419多变量决策树阅读资料
02:42
0501_【补充】内容简介
01:01
0502_【补充】熵的针对的问题与要求
04:30
0503_【补充】信息熵公式来源推导
09:33
0504_【补充】信息熵公式推导
06:34
0505_【补充】信息熵公式的理解
10:29
0506_【补充】信息熵的性质与总结
05:06
0507_【补充】联合熵 joint entropy
03:43
0513_神经网络基本单位
04:09
0514_感知器
04:28
0515_多层神经网络
06:51
0600_【重制】支持向量机讲解大纲
01:21
0601_【重制】支持向量机感知器模型
10:03
0602_【重制】支持向量机的分类
01:34
0603_【重制】线性可分支持向量机
11:16
0604_【重制】线性可分支持向量机求解
11:32
0605_【重制】线性支持向量机与松弛因子
10:32
0606_【重制】非线性支持向量机
05:26
0609_【补充】拉格朗日乘子法1：极值点目标与约束相切
01:59
0610_【补充】拉2：梯度与等高线的切线垂直
02:28
0611_【补充】拉3：有限值条件的极值问题转化为求解等式方程问题
02:55
0612_【补充】拉4：形式推广
03:44
0701贝叶斯分类器综述
01:14
0702贝叶斯定理_一个应用
03:06
0703贝叶斯定理
02:03
0704预热_一个半朴素贝叶斯的例子
02:06
0705贝叶斯决策论
03:57
0706最大似然估计
00:59
0707极大似然估计_一次实验
01:51
0708极大似然估计_多次实验
02:46
0709极大似然估计_公式与取对数
01:28
0710朴素贝叶斯分类器
04:14
0711拉普拉斯修正
01:26
0712EM算法
03:17
0713求助_半朴素贝叶斯分类器与贝叶斯网
00:30
0801集成学习
04:12
0802集成学习的威力
01:21
0803AdaBoost原理看个例子包懂
03:49
0804AdaBoost算法代码实现
02:58
0805AdaBoost简单函数封装
11:25
0806AdaBoost循环封装
07:24
0807Gradient_boosting简述
01:08
0809Gradient_Boosting效果
00:51
0810训练样本不同来实现好而不同的不同
01:27
0811抽样的考虑
01:29
0812Bagging自助抽样
01:34
0813Bagging外包估计
01:10
0814Bagging代码示例
02:36
0815随机森林
01:48
0816结合策略：平均法
01:39
0817结合策略：投票法
04:30
0818结合策略：学习法
02:13
0819多样性
01:07
0901聚类
03:41
0902性能度量
00:58
0903外部指标
06:14
0904内部指标
10:01
0905距离度量与非距离度量
02:19
0906距离度量_有序数据
04:19
0907距离度量_无序数据
02:27
0908距离度量_混合与加权
01:34
0909K均值
02:09
0910K-mean动图
00:28
0911学习向量量化
01:31
0912密度聚类
04:47
0913层次聚类
03:37
0914高斯混合聚类_多元高斯分布
07:50
0915高聚代码_多元高斯分布
07:34
0916高聚代码_第一次迭代
08:01
0917高聚代码_alpha与mu的更新
03:08
0918高聚代码_sigma更新与全部整合
02:38
0919不同聚类算法效果 对比
00:57
1001k近邻学习
01:41
1002维数灾难现象
08:35
1003n维超立方体边界问题
10:37
1004n维超立方体内接球
02:24
1005n维空间样本密度与样本数
00:48
1006降维方法分类
02:40
1007PCA在干什么
08:37
1008KPCA思路
05:10
1009KPCA协方差矩阵与特征向量推导
08:27
1010核矩阵与核函数
02:47
1011核矩阵的特征向量
03:22
1012利用核函数直接求Y
02:09
1013核方法深入研究建议
02:56
1014什么是流形
01:40
1015Isomap等度量映射
04:50
1016LLE局部线性嵌入
01:25
1017度量学习
03:25
1101特征选择与稀疏学习
03:43
1102子集搜索
02:58
1103子集评价
00:47
1104特征选择概述
01:50
1105过滤式选择Filter-Relief
03:04
1106包裹式选择Wrapper
03:00
1107嵌入式选择Embedded
01:21
1108正则化
07:10
1301半监督学习
07:04
1302生成式方法
11:39
1303代码_生成式方法
03:41
1305_代码_生成式方法改
00:25
1306图半监督学习
10:21
1307传播矩阵的确定
04:24
1308加权的传播矩阵
08:48
1309迭代计算
02:31
1310二分类问题直接求解Fu
08:03
1311sklearn手写数字识别案例
04:55
1312sklearn_label_propagation
07:37
1313sklearn_lable_spreading案例
02:08
1314主动学习案例
02:13
1315sklearn图半监督与svm对比
01:45
1316半监督SVM
04:08
1317基于分歧的方法
05:31
1318半监督聚类
00:58
1401隐马尔科夫模型
05:18
1402隐马尔可夫模型
06:44
1403维比特算法
05:07
1404案例代码
01:12
6.3万播放
加载中...
加载中...
展开