投稿

U达学院-纳米学位.机器学习进阶3

2328

0

2018-07-17 20:44:10

未经作者授权，禁止转载

监督学习-构建学生干预系统

学开车的佬斯基发消息

痴于技，晓于理，达于商

1-监督学习

01:00

2-你将看到和学到什么

00:42

3-Google 无人驾驶汽车中的机器学习

02:13

4-监督式学习 - 你将做什么

00:27

5-acerous 还是 non-acerous？

01:40

5-acerous 还是 non-acerous？答案

01:07

6-监督分类示例

00:45

6-监督分类示例答案

01:08

7-特征和标签音乐示例

01:08

8-特征可视化

01:04

8-特征可视化答案

00:11

9-肉眼分类

00:26

9-肉眼分类答案

00:31

10-分类与回归之间的区别

03:29

11-小测验

01:27

11-小测验答案

04:03

12-分类学习 1

03:27

13-分类学习 2

03:06

14-分类学习 3

04:06

15-示例 1：约会

05:13

16-表示法

05:49

17-表示法测验

01:22

17-表示法测验答案

04:20

18-示例 2：20 个问题

05:57

19-决策树学习

03:15

20-最佳属性测验

01:12

20-最佳属性测验答案

03:17

21-决策树可表达性 AND

03:51

22-决策树可表达性 OR

02:16

23-决策树可表达性 XOR

03:40

24-决策树可表达性

07:41

25-决策树可表达性测验

04:02

25-决策树可表达性测验答案

00:38

25-决策树可表达性测验 2

00:29

25-决策树可表达性测验 2 答案

02:56

26-ID3

07:12

26-ID3 偏差

03:47

27-决策树连续属性

04:13

27-决策树其他注意事项

05:20

28-决策树其他注意事项练习

01:06

28-决策树其他注意事项练习答案网

02:04

29-决策树其他注意事项回归

02:35

30-决策树小结

01:54

1-可线性分离的数据

01:17

1-可线性分离的数据答案

00:08

2-多元线性问题

00:48

2-多元线性问题答案

01:00

3-构建决策树-第一次分割

00:28

4-构建决策树-第二次分割

00:17

5-第二次分割后的类标签

00:11

6-构建决策树&第三次分割

00:51

7-决策树编码

01:53

8-决策树编码答案

01:29

9-决策树准确性

00:15

9-决策树准确性答案

00:29

10-决策树参数

02:20

10-决策树参数答案

00:35

11-最小样本分割

00:31

11-最小样本分割答案

00:35

12-决策树准确性

00:10

12-决策树准确性答案

00:59

13-数据杂质与熵

01:24

14-在分割中尽可能减少杂质

00:36

14-在分割中尽可能减少杂质答案

00:38

15-熵公式

00:53

16-熵计算（第 1 部分）

00:49

16-熵计算（第 1 部分）答案

00:03

16-熵计算（第 2 部分）

00:06

16-熵计算（第 2 部分）答案

00:05

16-熵计算（第 3 部分）

00:08

16-熵计算（第 4 部分）

00:12

16-熵计算（第 4 部分）答案

00:09

16-熵计算（第 5 部分）

00:07

16-熵计算（第 5 部分）答案

01:35

17-信息增益

00:46

17-信息增益计算（第 1 部分）

00:30

17-信息增益计算（第 1 部分）答案

00:24

17-信息增益计算（第 2 部分）

00:08

17-信息增益计算（第 2 部分）答案

00:09

17-信息增益计算（第 3 部分）

00:07

17-信息增益计算（第 3 部分）答案

00:09

17-信息增益计算（第 4 部分）

00:08

17-信息增益计算（第 4 部分）答案

00:06

17-信息增益计算（第 5 部分）

01:12

17-信息增益计算（第 5 部分）答案

00:08

17-信息增益计算（第 6 部分）

00:47

17-信息增益计算（第 6 部分）答案

00:25

17-信息增益计算（第 7 部分）

00:15

17-信息增益计算（第 7 部分）答案

00:04

17-信息增益计算（第 8 部分）

00:05

17-信息增益计算（第 8 部分）答案

00:09

17-信息增益计算（第 9 部分）

00:06

17-信息增益计算（第 9 部分）答案

00:16

17-信息增益计算（第 10 部分）

01:09

18-调整标准参数

00:57

19-偏差-方差困境

01:10

20-DT 的优缺点

01:18

1-什么是回归？

02:12

1-什么是回归？答案

01:36

2-回归与函数逼近

03:49

3-线性回归

03:38

4-找到最佳拟合

03:40

5-多项式的阶

03:56

6-选择程度

00:49

6-选择程度答案

01:19

7-多项式回归

03:45

8-错误

04:07

8-错误答案

00:30

9-交叉验证

06:08

10-波士顿房价示例回顾

04:31

11-其他输入空间

05:24

12-结论

01:07

1-连续输出

00:28

1-连续输出答案

00:42

2-连续

00:12

2-连续答案

00:07

3-年龄：连续还是离散？

00:21

3-年龄：连续还是离散？答案

00:03

4-天气：连续还是离散？

00:08

4-天气：连续还是离散？答案

00:26

5-电子邮件作者：连续还是离散？

00:19

5-电子邮件作者：连续还是离散？答案

00:24

6-电话号码：连续还是离散？

00:23

6-电话号码：连续还是离散？答案

00:34

7-收入：连续还是离散？

00:06

7-收入：连续还是离散？答案

00:35

8-连续特征

00:30

8-连续特征答案

00:32

9-具有连续输出的监督学习

00:56

9-具有连续输出的监督学习答案

00:21

10-回归线性方程

00:18

11-斜率和截距

00:40

12-斜率

00:30

12-斜率答案

00:09

13-截距

00:16

13-截距答案

00:25

14-使用回归的预测

00:30

14-使用回归的预测答案

00:11

15-添加截距

00:15

15-添加截距答案

00:42

16-移交给 Katie

00:13

17-编码

01:44

18-sklearn 中的年龄净值回归

02:33

18-sklern中的年两&净值回归答案

00:39

19-通过 sklearn 提取信息

02:10

20-通过 sklearn 提取分数数据

01:29

22-线性回归误差

00:54

23-误差

00:28

23-误差答案

00:22

24-误差和拟合质量 .mp4

00:51

24-误差和拟合质量答案

02:07

25-最小化误差平方和

00:39

26-最最小化误差平方和的算法

00:39

27-为何最小化 SSE

00:26

27-为何最小化 SSE 答案

00:22

28-最小化绝对误差的问题

02:17

29-肉眼评估回归

00:47

29-肉眼评估回归答案

00:56

30-SSE 的问题

00:14

30-SSE 的问题答案

01:14

31-回归的 R 平方指标

01:17

32-SKlearn 中的 R 平方

02:48

33-可视化回归

01:03

34-34-什么数据适用于线性回归

00:45

34-什么数据适用于线性回归答案

03:16

35-比较分类与回归

01:37

36-多元回归

01:39

36-多元回归答案

01:46

36-多元回归 2

00:58

36-多元回归 2 答案

01:34

1-简介

00:24

2-参数回归

04:12

3-K 最近邻

00:46

4-如何预测

00:24

4-如何预测答案

00:31

5-内核回归

01:33

6-参数与非参数

02:07

6-参数与非参数答案

02:48

1-神经网络

03:33

2-人工神经网络

00:34

2-人工神经网络答案

00:45

3-感知器单元有多强大

03:31

4-感知器单元有多强大 NOT 测验

00:35

4-感知器单元有多强大 NOT 测验答案

02:00

4-感知器单元有多强大 OR 测验

00:31

4-感知器单元有多强大 OR 测验答案

02:10

4-感知器单元有多强大测验

00:34

4-感知器单元有多强大测验答案

01:19

5-作为感知器网络的 XOR

01:04

5-作为感知器网络的 XOR 答案

03:06

6-感知器训练

09:26

7-梯度下降

04:12

8-学习规则比较

01:17

9-学习规则比较测验

01:02

9-学习规则比较测验答案

01:38

10-Sigmoid

04:11

11-神经网络草图

04:15

12-优化权重

03:52

13-限制偏差

06:06

14-喜好偏差

04:03

15-小结

01:00

1-最佳直线

02:20

1-最佳直线答案

05:44

2-支持向量机

10:04

3-平面之间的距离

00:50

3-平面之间的距离答案

07:16

4-还是支持向量机

06:29

5-更多支持向量机

02:37

6-最佳分离器

01:13

6-最佳分离器答案

03:17

7-线性结合

06:58

8-输出的内容是什么？

00:45

8-输出的内容是什么？答案

08:41

9-内核

06:34

10-小节

03:17

11-真的小节

00:30

1-欢迎学习 SVM

00:25

2-分隔线

00:51

2-分隔线答案

00:08

3-选择分隔线

00:05

4-好的分隔线有何特点

00:49

4-好的分隔线有何特点答案

00:36

5-间隔练习

00:42

6-SVMs 和棘手的数据分布

00:18

6-SVMs 和棘手的数据分布答案

00:44

7-SVM 对异常值的响应

00:29

8-SVM 异常值练习

00:21

8-SVM 异常值练习答案

00:38

9-移交给 Katie

00:12

10-SKlearn 中的 SVM

01:45

11-SVM 决策边界

00:47

12-SVM 编码

01:23

12-SVM 编码答案

00:52

13-非线性 SVM

00:57

14-非线性数据

00:32

14-非线性数据答案

00:19

15-新特征

00:06

16-可视化新特征

01:10

16-与新特征分隔

00:10

16- 与新特征分隔答案

00:36

17-练习创建新特征

00:41

17-练习创建新特征答案

01:10

18-核技巧

01:40

19-尝试选择各种核

02:18

19-尝试选择各种核答案

00:37

20-核和伽玛

01:21

20-核和伽玛答案

00:25

21-SVM C 参数

01:50

21-SVM C 参数答案

00:36

22-过拟合

01:07

22-过拟合答案

00:29

23-SVM 的优缺点

00:58

1-基于实例的学习（以前）

02:06

2-基于实例的学习（现在）

04:16

3-房价

04:17

3-房价 2

04:50

4-K NN

06:28

5-您是否不会计算我的近邻

02:55

5-您是否不会计算我的近邻答案

09:22

6-域 K NNowledge

02:17

6-域 K NNowledge 答案

06:02

7-K NN 偏差

08:11

8-维度灾难 2

07:11

9-另一些东西

06:56

10-我们学到了什么

06:19

1-速度散点图：坡度和颠簸度

00:05

2-速度散点图 2

00:09

3-速度散点图 2

00:07

3-速度散点图 2 答案

00:35

4-从散点图到预测

00:34

4-从散点图到预测答案

00:09

5-从散点图到预测 2

00:10

5-从散点图到预测 2 答案

00:11

6-从散点图到决策面

00:33

6-从散点图到决策面答案

00:21

7-良好的线性决策面

00:17

7-良好的线性决策面答案

00:48

8-转为使用朴素贝叶斯

00:18

9-Python 中的 NB 决策边界

00:38

10-sklearn 使用入门

01:26

12-有关地形数据的高斯 NB 部署

00:57

13-计算 NB 准确性

00:45

14-训练数据和测试数据

01:13

15-使用贝叶斯规则将 NB 拆包

00:21

16-贝叶斯规则

00:27

17-癌症测试

02:38

17-癌症测试答案

00:42

18-先验和后验

02:20

18-先验和后验答案

00:27

19-规范化 1

00:16

19-规范化 1 答案

00:20

19-规范化 2

00:30

19-规范化 2 答案

00:05

19-规范化 3

00:09

19-规范化 3 答案

00:05

20-全概率

00:05

20-全概率答案

00:15

21-贝叶斯规则图

01:27

22-用于分类的贝叶斯规则

02:10

23-Chris 或 Sara

00:08

24-后验概率

00:21

24-后验概率答案

00:34

25-你独自得出的贝叶斯概率

00:13

25-你独自得出的贝叶斯概率答案

00:58

26-为何朴素贝叶斯很朴素

01:46

26-为何朴素贝叶斯很朴素答案

00:26

1-简介

04:07

2-贝叶斯规则

07:14

3-贝叶斯规则 2

03:58

4-贝叶斯规则测验

02:29

4-贝叶斯规则测验答案

09:09

5-贝叶斯学习

05:24

6-实践中的贝叶斯学习

09:53

7-噪声数据

02:38

7-噪声数据答案

03:30

8-返回到贝叶斯学习

14:55

9-最佳假设

01:22

9-最佳假设答案

04:11

10-最短描述长度

04:05

11-哪颗树

00:06

11-哪颗树答案

06:51

12-贝叶斯分类

01:35

12-贝叶斯分类答案

03:21

13-小结

03:26

1-简介

01:21

2-联合分布

01:59

3-联合分布测验

00:43

3-联合分布测验答案

02:14

4-添加属性

02:18

5-条件独立性

03:05

6-条件测验

00:55

6-条件测验答案

02:18

7-信念网络

01:40

7-信念网络答案

06:27

8-从联合分布中取样

01:52

8-从联合分布中取样答案

02:27

9-恢复联合分布

02:40

10-取样

06:11

11-推理规则

01:42

12-推理规则测验

00:30

12-推理规则测验答案

01:51

13-手工推理

04:19

13-手工推理答案

08:54

14-朴素贝叶斯

07:53

15-为何朴素贝叶斯很酷

08:21

16-小结

04:10

1集成学习 Boosting

06:15

2-集成学习的简单规则

02:16

3-集成学习算法

02:35

4-集成学习的输出

01:14

4-集成学习的输出答案

01:55

5-集成学习示例

06:05

6-集成 Boosting

03:34

7-集成 Boosting 测验

03:36

7-集成 Boosting 测验答案

00:49

7-集成 Boosting 测验 2

00:08

7-集成 Boosting 测验 2 答案

03:21

8-弱学习

02:35

8-弱学习答案

04:45

9-代码中的 Boosting

03:05

10-最重要的部分

04:42

11-在 D 同意时

01:04

11-在 D 同意时答案

02:35

12-最终假设

02:28

13-三个小箱子

07:40

14-哪个假设

00:45

15-好的答案

10:50

16-返回到 Boosting

09:23

17-Boosting 容易过拟合

01:57

17-Boosting 容易过拟合答案

06:32

18-小结

03:15

顶部