强推！深度学习机器学习入门，2小时快速掌握sklearn库使用方法~ | 机器学习入门 | Scikit-learn库 | 调库 | 调参
正在缓冲...
欢迎来到这场干货满满的机器学习算法实战大讲堂！无论你是零基础小白还是想巩固核心技术的进阶者，本教程将用3小时带你深入理解线性回归、逻辑回归、决策树、随机森林、支持向量机、聚类算法、神经网络、贝叶斯分类、集成学习、线性判别分析十大经典算法。
视频选集
（1/61）
自动连播
机器学习如何快速入门？
00:59
人工智能学习路线图和规划
12:05
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
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-KMEANS算法概述(1)
11:34
1-KMEANS算法概述
11:34
2-KMEANS工作流程(1)
09:43
2-KMEANS工作流程
09:43
3-KMEANS迭代可视化展示(1)
08:20
3-KMEANS迭代可视化展示
08:20
4-DBSCAN聚类算法(1)
11:04
4-DBSCAN聚类算法
11:04
5-DBSCAN工作流程(1)
15:04
5-DBSCAN工作流程
15:04
6-DBSCAN可视化展示(1)
08:53
6-DBSCAN可视化展示
08:53
Kmeans算法模块概述
03:50
2-计算得到簇中心点
08:24
3-样本点归属划分
07:22
4-算法迭代更新
07:20
5-鸢尾花数据集聚类任务
08:58
6-聚类效果展示
11:31
顶部