【技术干货】菜菜的机器学习sklearn【全85集】Python进阶
简介：菜菜的sklearn课堂大合集！
完整版课程欢迎咨询小可爱：littebird_0229（微信）
海归硕士，算法码农，代码一丝不苟，生活精彩纷呈。专注于数据人才的技能成长与职业发展，全B站最贴心的算法老师~
视频选集
（47/85）
1 1.0 本周要学什么以及Sklearn入门简介
07:14
1 1.1 决策树是如何工作的
06:10
1 1.2 sklearn中的决策树
03:04
1 1.3重要参数
06:41
1 1.4 数据探索
04:40
1 1.5 数据划分
01:17
1 1.6 建模并进行探索
13:21
1 1.7 分枝随机模式参数
03:06
1 1.8 决策树剪枝
15:20
1 1.9 目标权重参数以及重要接口
04:25
2 2.0 本周要学什么
05:06
2 2.1 随机森林概述
07:02
2 2.2 随机森林建模流程及重要参数
08:18
2 2.3 建模及参数代码实现
10:59
2 2.4 机器学习调参思想
13:48
2 2.5 在乳腺癌数据集上进行建模
10:08
2 2.6 随机森林在乳腺癌数据集上的调参
17:43
3 3.0 本周学什么以及数据预处理和特征工程简介
10:05
3 3.1 数据无量纲化
10:01
3 3.2 数据统一量纲代码实现
06:53
3 3.3 缺失值处理
11:36
3 3.4 编码与哑变量
07:19
3 3.5 独热编码创建哑变量
12:51
3 3.6 处理连续型特征 二值化分段
09:22
4 4.0本周要学什么以及算法概述
12:19
4 4.1 PCA与SVD原理简述
08:54
4 4.2 PCA与SVD算法原理
10:37
4 4.3 重要参数
14:14
4 4.4 降维代码实现
10:54
4 4.5 机器学习问题解答
10:22
5 5.0 本周要学什么
03:03
5 5.1 逻辑回归原理概述
13:01
5 5.2 我们为什么需要逻辑回归
07:30
5 5.3 sklearn中的逻辑回归
10:07
5 5.4 逻辑回归中的正则化
08:46
5 5.5 正则化代码实现
08:27
5 5.6 那种正则化化的效果更好
14:10
5 5.7 正式版会讲什么
01:35
6 6.1 聚类算法概述
08:47
6 6.2 Kmeans是如何工作的
09:39
6 6.3 簇内误差平方和的定义
10:12
6 6.4 重要参数代码实现
12:43
6 6.5 聚类算法中的轮廓系数
13:37
6 6.6 基于轮廓系数进行选择N_clusters
11:16
7 7.1 SVM概述
10:46
7 7.2 SVM是如何工作的
11:51
7 7.3 线性SVM的损失函数
08:38
7 7.4 线性SVM的推导
15:35
7 7.5 线性SVM决策过程的可视化过程
11:06
7 7.6 SVM可视化代码实现
15:34
8 8.1 概述
09:08
8 8.2 SVM中的核函数
10:38
8 8.3 核函数代码实现
13:35
8 8.4 核函数运行结果
09:27
8 8.5 使用网格搜索对SVM进行调整
12:50
8 8.6 软间隔与SVM中的重要参数C
07:11
8 8.7 完整版会讲什么
02:41
9 9.1 多元线性回归基本原理
08:17
9 9.2 最小二乘法求解多元线性回归参数
14:02
9 9.3 回归建模
10:52
9 9.4 探索建立的模型
04:08
9 9.5 多元线性回归的评估指标
10:58
9 9.6 评估指标中的检测
18:03
10 10.1 朴素贝叶斯概述
08:36
10 10.2 朴素贝叶斯是如何工作的
12:07
10 10.3 朴素贝叶斯公式推导
08:41
10 10.4 朴素贝叶斯公式推导案例
11:02
10 10.5 sklearn中的朴素贝叶斯
09:39
10 10.6 不同分布下的贝叶斯
11:53
11 1本周要学习什么
06:02
11 2 XGBoost前瞻：安装xgboost，xgboost库与sklearn API
12:45
11 2.1 梯度提升树(1)：集成算法回顾，重要参数n_estimators
13:15
11 2.1 梯度提升树(2)：参数n_estimators下的建模
21:24
11 2.1 梯度提升树(3)：参数n_estimators的学习曲线
13:38
11 2.1 梯度提升树(4)：基于方差-偏差困境改进的学习曲线
12:39
11 2.2 梯度提升树(5)：控制有放回随机抽样，参数subsample
15:18
11 2.3 梯度提升树(6)：迭代决策树：重要参数eta
20:52
11 2.3 梯度提升树(7)：迭代决策树：重要参数eta
03:38
11 3完整版中会含有的内容
01:06
12 12.1 神经网络概述
12:34
12 12.2 神经网络基本原理
07:10
12 12.3 神经网络的输入、隐藏与输出层
10:00
12 12.4 神经网络中的参数w
09:04
12 12.5 神经网络是如何工作的
13:48
12 12.6 sklearn中的神经网络
09:07
顶部