投稿

Python的完整机器学习课程（英语不好可以去看莫凡Python）

1.9万

2

2019-04-20 15:24:23

https://subscription.packtpub.com/video/application_development/9781789953725

l巧生l 发消息

真强效！免费领取，不要太心动！

望辰爱测评

1课程涵盖什么？

02:19

2下载和安装Anaconda

20:17

3管理环境

06:07

4浏览Spyder和Jupyter笔记本界面

17:13

5下载IRIS数据集

02:59

6数据探索与分析

14:20

7展示您的数据

15:05

8回归

06:16

9机器学习的类别

12:25

10Scikit-Learn

19:26

11回归：波士顿住房数据 - EDA

20:12

12相关分析与特征选择

08:48

13波士顿住房数据的简单线性回归建模

13:27

14稳健的回归

14:23

15评估模型性能

19:43

16使用statsmodel进行多元回归

19:33

17多元回归和特征重要性

14:12

18普通最小二乘回归和梯度下降

18:33

19回归的正则化方法

19:10

20多项式回归

14:31

21处理非线性关系

10:31

22重新审视功能重要性

07:41

23数据预处理1

13:07

24数据预处理2

19:11

25差异偏差权衡 - 验证曲线

16:45

26差异偏差权衡 - 学习曲线

15:05

27交叉验证

15:44

28分类

04:15

29Logistic回归1

12:02

30Logistic回归2

16:35

31MNIST项目1 - 简介

13:10

32MNIST项目2 - SGDC分类器

10:27

33MNIST项目3 - 绩效衡量标准

12:09

34MNIST项目4 - 混淆矩阵，精确度，召回和F1分数

18:45

35MNIST项目5 - 精确和召回权衡

16:44

36MNIST项目6 - ROC曲线

09:27

37svm（支持向量机）

02:18

38支持向量机（SVM）概念

19:59

39线性SVM分类

11:10

40多项式核

15:25

41高斯径向基函数

12:31

42支持向量回归

06:29

43SVM的优缺点

04:44

44树

02:53

45什么是决策树

16:31

46训练决策树

08:23

47决策树学习算法

13:43

48决策树回归

11:23

49过度拟合和网格搜索

17:40

50树：从哪里来

05:34

51项目HR - 加载和预处理数据

18:08

52项目人力资源 - 建模

06:59

53集成机器学习

02:38

54集成学习方法简介

13:42

55Bagging Part 1

22:22

56Bagging Part 2

12:14

57随机森林

13:52

58Extra-Trees

07:06

59决策树回归

13:02

60Gradient Boosting Machine

16:14

61XGBoost

19:36

62Human Resources Analytics

23:17

63Ensemble of ensembles Part 1

20:03

64Ensemble of ensembles Part 2

13:02

65kNN

02:05

66kNN概念

07:26

67kNN和Iris数据集演示

08:36

68距离度量

05:32

69项目癌症检测第1部分

20:13

70项目癌症检测第2部分

14:55

71维度降低：简介

01:42

72维度降低的概念

12:40

73PCA简介

17:05

74维度减少演示

06:09

75维度降低：项目葡萄酒1：使用PCA降低维度

18:20

76项目酒2：选择组件数量

07:16

77内核PCA

16:18

78内核PCA演示

07:10

79LDA与LDA和PCA的比较

07:22

80无监督学习：聚类

01:59

81聚类概念

08:02

82MLextend

06:16

83Ward’s Agglomerative Hierarchical Clustering

16:15

84截断树状图

17:36

85k-Means聚类

13:01

86Elbow Method

06:58

87轮廓分析

07:42

88平均移位

10:55

顶部