【全168集】禁止自学走弯路!一口气学完回归算法、聚类算法、决策树、随机森林、神经网络、贝叶斯算法等十大机器学习算法!AI人工智能/机器学习/深度学习

1445
4
2025-05-01 16:20:35
正在缓冲...
19
8
72
1
感谢大家的支持,人工智能学习路线+学习视频教程整理好了!评论区见
计算机博士,从事人工智能行业九年,目前在做AI算法和大模型,可指导论文,1V1学习规划、就业指导咨询、AI资料包领取
视频选集
(1/81)
自动连播
禁止自学走弯路!一口气学完回归算法、聚类算法、决策树、随机森林、神经网络、贝叶斯算法等十大机器学习算法!
06:05
AI-人工智能初学者自学路线图介绍,少走弯路!
13:12
1-回归问题概述
07:12
2-误差项定义
09:42
3-独立同分布的意义
07:33
4-似然函数的作用
10:51
5-参数求解
11:12
6-梯度下降通俗解释
08:35
7参数更新方法
08:18
8-优化参数设置
08:52
1-线性回归整体模块概述
05:17
2-初始化步骤
07:12
3-实现梯度下降优化模块
10:11
4-损失与预测模块
11:41
5-数据与标签定义
10:01
6-训练线性回归模型
10:44
7-得到线性回归方程
06:59
8-整体流程debug解读
08:17
9-多特征回归模型
09:47
10-非线性回归
11:23
1-Sklearn工具包简介
04:57
2-数据集切分
07:16
3-交叉验证的作用
11:04
4-交叉验证实验分析
14:52
5-混淆矩阵
07:53
6-评估指标对比分析
12:14
7-阈值对结果的影响
08:27
8-ROC曲线
08:59
1-实验目标分析
08:10
2-参数直接求解方法
08:48
3-预处理对结果的影响
12:40
4-梯度下降模块
06:37
5-学习率对结果的影响
10:36
6-随机梯度下降得到的效果
13:16
7-MiniBatch方法
08:43
8-不同策略效果对比
08:37
9-多项式回归
11:17
10-模型复杂度
16:03
11-样本数量对结果的影响
15:56
12-正则化的作用
09:33
13-岭回归与lasso
19:30
14-实验总结
12:20
1-逻辑回归算法原理
08:24
2-化简与求解
09:10
1-多分类逻辑回归整体思路
07:36
2-训练模块功能
09:57
3-完成预测模块
06:49
4-优化目标定义
09:32
5-迭代优化参数
07:49
6-梯度计算
09:54
7-得出最终结果
10:41
8-鸢尾花数据集多分类任务
06:56
9-训练多分类模型
10:08
10-准备测试数据
09:02
11-决策边界绘制
09:22
12-非线性决策边界
05:40
1-逻辑回归实验概述
09:18
2-概率结果随特征数值的变化
07:58
3-可视化展示
10:21
4-坐标棋盘制作
10:36
5-分类决策边界展示分析
13:36
6-多分类-softmax
13:09
1-决策树算法概述
08:30
2-熵的作用
06:40
3-信息增益原理
08:42
4-决策树构造实例
07:41
5-信息增益率与gini系数
06:08
6-预剪枝方法
08:03
7-后剪枝方法
06:55
8-回归问题解决
05:55
1-整体模块概述
03:41
2-递归生成树节点
08:50
3-整体框架逻辑
05:48
4-熵值计算
10:15
5-数据集切分
07:04
6-完成树模型构建
06:13
7-测试算法效果
04:33
1-树模型可视化展示
08:20
2-决策边界展示分析
10:35
3-树模型预剪枝参数作用
10:49
4-回归树模型
11:15
客服
顶部
赛事库 课堂 2021拜年纪