【我在B站学习 技能分享】机器学习入门篇
机器学习教程分为《机器学习入门篇》和《机器学习提升篇》，本课程是机器学习入门课程，将介绍机器学习的各种经典算法，包含线性回归、逻辑回归，贝叶斯算法，KMESNS算法等。帮助大家深入理解大数据机器学习理论基础，牢固掌握大数据机器学习方法，并能够解决实际问题等综合能力。
视频选集
（58/65）
1-1-线性回归算法概述
14:24
1-2-误差项分析
11:34
1-3-似然函数求解
09:36
1-4-目标函数推导
09:22
1-5-线性回归求解
10:58
2-1-逻辑回归算法原理推导
10:53
2-2-逻辑回归求解
14:59
3-1-案例实战：Python实现逻辑回归任务概述
07:35
3-2-案例实战：完成梯度下降模块
12:52
3-3-案例实战：停止策略与梯度下降案例
10:56
3-4-案例实战：实验对比效果
10:26
4-1-案例背景和目标
08:32
4-2-样本不均衡解决方案
10:18
4-3-下采样策略
06:36
4-4-交叉验证
13:03
4-5-模型评估方法
13:06
4-6-正则化惩罚
08:10
4-7-逻辑回归模型
07:38
4-8-混淆矩阵
08:53
4-9-逻辑回归阈值对结果的影响
10:02
4-10-SMOTE样本生成策略
15:51
5-1-决策树原理概述
12:26
5-2-衡量标准-熵
11:04
5-3-决策树构造实例
10:09
5-4-信息增益率
05:49
5-5-决策树剪枝策略
15:32
6-1-案例：决策树复习
08:56
6-2-案例：决策树涉及参数
11:09
6-3-案例：树可视化与sklearn库简介
18:15
6-4-案例：sklearn参数选择
11:47
7-1-集成算法-随机森林
12:03
7-2-特征重要性衡量
13:52
7-3-提升模型
11:15
7-4-堆叠模型
07:10
8-1-集成算法实例概述
09:03
8-2-ROC与AUC指标
08:24
8-3-基础模型
07:58
8-4-集成实例
15:45
8-5-Stacking模型
11:54
8-6-效果改进
09:18
9-1-贝叶斯算法概述
06:59
9-2-贝叶斯推导实例
07:39
9-3-贝叶斯拼写纠错实例
11:47
9-4-垃圾邮件过滤实例
14:10
9-5-贝叶斯实现拼写检查器
12:21
10-1-文本分析与关键词提取
12:12
10-2-相似度计算
11:44
10-3-新闻数据与任务简介
10:20
10-4-TF-IDF关键词提取
13:29
10-5-LDA建模
09:11
10-6-基于贝叶斯算法进行新闻分类
14:54
11-1-KMEANS算法概述
11:34
11-2-KMEANS工作流程
09:43
11-3-KMEANS迭代可视化展示
08:21
12-1-DBSCAN聚类算法
11:04
12-2-DBSCAN工作流程
15:04
12-3-DBSCAN可视化展示
08:53
13-1-多种聚类算法概述
04:35
13-2-聚类案例实战
17:20
14-1-实现线性判别分析进行降维任务
10:20
14-2-求解得出降维结果
08:56
15-1-PCA降维概述
08:40
15-2-PCA要优化的目标
12:22
15-3-PCA求解
10:18
16-1-PCA降维实例
19:18
顶部