视频选集
（37/81）
1.机器学习概述(1)
10:05
2.回归算法
09:42
3.线性回归误差原理推导
13:01
4.目标函数求解
12:05
5.逻辑回归原理
06:14
6.梯度下降实例
12:41
7.梯度下降原理
07:59
1.决策树概述
09:41
2.熵原理形象解读
13:20
3.决策树构造实例
11:01
4.信息增益
05:27
5.信息增益率
16:39
6.决策树剪枝
12:08
7.随机森林
09:15
8.案例决策树参数
17:49
1.贝叶斯算法概述
06:59
2.贝叶斯推导实例
07:38
3.贝叶斯拼写纠错实例
11:47
4.垃圾邮件过滤实例
14:10
5.贝叶斯实现拼写检查器
12:21
1.集成思想
05:36
2.xgboost基本原理
11:08
3.xgboost目标函数推导
12:18
4.xgboost求解实例
11:30
5.xgboost安装
03:32
6.xgboost实战演示
14:44
7.Adaboost算法概述
13:01
1.支持向量机要解决的问题
05:22
2.支持向量机求解目标
12:41
3.支持向量机目标函数求解
10:16
4.支持向量机求解例子
11:43
5.支持向量的作用
08:56
6.软间隔支持向量机
07:00
7.核函数变换
14:30
1.数据平稳性与差分法
11:10
2.ARIMA模型
10:34
3.相关函数评估方法
10:47
4.建立ARIMA模型
07:49
5.参数选择
12:41
1.深度学习概述
11:28
2.挑战与常规套路
09:41
3.用K近邻来进行分类
10:02
4.超参数与交叉验证
10:32
5.线性分类
09:35
6.损失函数
09:18
7.正则化惩罚项
07:20
8.softmax分类器
13:39
9.最优化形象解读
06:47
10.最优化问题细节
11:49
11.反向传播
15:17
1.整体架构
10:12
2.实例演示
10:39
3.过拟合解决方案
15:54
4.感受神经网络的强大
11:31
1.PCA问题
03:56
2.PCA降维实例
14:34
3.SVD原理
07:37
4.SVD推荐系统
11:46
1.聚类算法概述
15:19
2.使用Kmeans进行图像压缩
07:59
3.特征工程2
11:03
1.开场
01:44
2.推荐系统应用
10:35
3.推荐系统要完成的任务
06:40
4.相似度计算
10:47
5.基于用户的协同过滤
10:03
6.基于物品的协同过滤
14:46
7.隐语义模型
07:32
8.隐语义模型求解
09:46
9.模型评估标准
07:44
1.开篇
04:37
2.自然语言处理与深度学习
11:59
3.语言模型
06:16
4.N-gram模型
08:33
5.词向量
09:28
6.神经网络模型
10:03
7.Hierarchical Softmax
10:02
8.CBOW模型实例
11:21
9.CBOW求解目标
05:40
10.锑度上升求解
10:11
11.负采样模型
07:16
顶部