投稿

菜菜的sklearn学堂

4162

1

2019-10-13 02:48:38

https://www.ruike1.com/ 菜菜的sklearn学堂

kbpdn 发消息

ai资源分享者

课时15Pandas数据读取

11:51

课时16Pandas索引与计算

10:28

课时17Pandas数据预处理实例

13:04

课时18Pandas常用预处理方法

11:13

课时19Pandas自定义函数

07:45

课时20Series结构

12:30

课时26Seaborn简介

02:45

课时27整体布局风格设置

07:48

课时28风格细节设置

06:50

课时29调色板

10:40

课时30调色板颜色设置

08:18

课时31单变量分析绘图

09:39

课时32回归分析绘图

08:53

课时33多变量分析绘图

10:36

课时34分类属性绘图

09:40

课时35Facetgrid使用方法

08:49

课时36Facetgrid绘制多变量

08:30

课时37热度图绘制

14:19

课时43梯度下降原理

11:43

课时44梯度下降方法对比

07:20

课时45学习率对结果的影响

06:08

课时46逻辑回归算法原理推导

10:52

课时47逻辑回归求解

14:53

课时48Python实现逻辑回归任务概述

07:33

课时49完成梯度下降模块

12:51

课时50停止策略与梯度下降案例

10:55

课时51实验对比效果

10:25

课时52案例背景和目标

08:32

课时53样本不均衡解决方案

10:17

课时54下采样策略

06:36

课时55交叉验证

13:03

课时56模型评估方法

13:05

课时57正则化惩罚

08:09

课时58逻辑回归模型

07:37

课时59混淆矩阵

08:52

课时60逻辑回归阈值对结果的影响

10:01

课时61SMOTE样本生成策略

15:51

课时67决策树复习

08:54

课时68决策树涉及参数

11:08

课时69树可视化与sklearn库简介

18:14

课时70sklearn参数选择

11:46

课时75船员数据分析

11:02

课时76数据预处理

11:38

课时77使用回归算法进行预测

12:12

课时78使用随机森林改进模型

13:26

课时79随机森林特征重要性分析

15:56

课时80贝叶斯算法概述

07:00

课时81贝叶斯推导实例

07:39

课时82贝叶斯拼写纠错实例

11:46

课时83垃圾邮件过滤实例

14:10

课时84贝叶斯实现拼写检查器

12:20

课时85文本分析与关键词提取

12:12

课时86相似度计算

11:44

课时87新闻数据与任务简介

10:21

课时88TF-IDF关键词提取

13:29

课时89LDA建模

09:11

课时90基于贝叶斯算法进行新闻分类

14:54

课时91支持向量机要解决的问题

10:05

课时92距离与数据的定义

10:33

课时93目标函数

09:41

课时94目标函数求解

11:27

课时95SVM求解实例

13:45

课时96支持向量的作用

11:53

课时97软间隔问题

06:46

课时98SVM核变换

16:52

课时99sklearn求解支持向量机

11:24

课时100SVM参数选择

13:59

课时105DBSCAN聚类算法

11:05

课时106DBSCAN工作流程

15:05

课时107DBSCAN可视化展示

08:53

课时108多种聚类算法概述

04:34

课时109聚类案例实战

17:21

课时110PCA降维概述

08:41

课时111PCA要优化的目标

12:22

课时112PCA求解

10:20

课时113PCA实例

08:34

课时114初识神经网络

11:27

课时115计算机视觉所面临的挑战

09:40

课时116K近邻尝试图像分类

10:01

课时117超参数的作用

10:31

课时118线性分类原理

09:34

课时119神经网络-损失函数

09:18

课时120神经网络-正则化惩罚项

07:21

课时121神经网络-softmax分类器

13:40

课时122神经网络-最优化形象解读

06:48

课时123神经网络-梯度下降细节问题

11:50

课时124神经网络-反向传播

15:17

课时125神经网络架构

10:13

课时126神经网络实例演示

10:40

课时127神经网络过拟合解决方案

15:54

课时128感受神经网络的强大

11:31

课时129集成算法思想

05:36

课时130xgboost基本原理

11:08

课时131xgboost目标函数推导

12:17

课时132xgboost求解实例

11:29

课时133xgboost安装

03:38

课时134xgboost实战演示

14:49

顶部