【Python学习路线·科研】4.3、机器学习进阶 <零基础,有手就行> 2020持续更新(包括人工智能、视觉)

502
0
2020-03-22 22:20:14
4
2
37
1
购买后分享 ----是python基础课程,为大数据,人工智能,机器学习,深度学习,计算机感知铺垫。
视频选集
(93/120)
1-线性回归算法概述
14:24
2-误差项分析
11:34
3-似然函数求解
09:36
4-目标函数推导
09:22
5-线性回归求解
10:58
1-逻辑回归算法原理推导
10:53
2-逻辑回归求解
14:59
1-案例实战:Python实现逻辑回归任务概述
07:35
2-案例实战:完成梯度下降模块
12:52
3-案例实战:停止策略与梯度下降案例
10:56
4-案例实战:实验对比效果
10:26
1-案例背景和目标
08:32
2-样本不均衡解决方案
10:18
3-下采样策略
06:36
4-交叉验证
13:03
5-模型评估方法
13:06
6-正则化惩罚
08:10
7-逻辑回归模型
07:38
8-混淆矩阵
08:53
9-逻辑回归阈值对结果的影响
10:02
10-SMOTE样本生成策略
15:51
1-决策树原理概述
12:26
2-衡量标准-熵
11:04
3-决策树构造实例
10:09
4-信息增益率
05:49
5-决策树剪枝策略
15:32
1-案例:决策树复习
08:56
2-案例:决策树涉及参数
11:09
3-案例:树可视化与sklearn库简介
18:15
4-案例:sklearn参数选择
11:47
1-集成算法-随机森林
12:03
2-特征重要性衡量
13:52
3-提升模型
11:15
4-堆叠模型
07:10
1-集成算法实例概述
09:03
2-ROC与AUC指标
08:24
3-基础模型
07:58
4-集成实例
15:45
5-Stacking模型
11:54
6-效果改进
09:18
1-贝叶斯算法概述
06:59
2-贝叶斯推导实例
07:39
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-文本分析与关键词提取
12:12
2-相似度计算
11:44
3-新闻数据与任务简介
10:20
4-TF-IDF关键词提取
13:29
5-LDA建模
09:11
6-基于贝叶斯算法进行新闻分类
14:54
1-KMEANS算法概述
11:34
2-KMEANS工作流程
09:43
3-KMEANS迭代可视化展示
08:21
1-DBSCAN聚类算法
11:04
2-DBSCAN工作流程
15:04
3-DBSCAN可视化展示
08:53
1-多种聚类算法概述
04:35
2-聚类案例实战
17:20
1-实现线性判别分析进行降维任务
10:20
2-求解得出降维结果
08:56
1-PCA降维概述
08:40
2-PCA要优化的目标
12:22
3-PCA求解
10:18
1-PCA降维实例
19:18
1-EM算法要解决的问题
10:39
2-隐变量问题
06:17
3-EM算法求解实例
14:32
4-Jensen不等式
10:47
5-GMM模型
09:20
1-GMM实例
11:51
2-GMM聚类
09:45
3-相似度计算
10:47
4-基于用户的协同过滤
10:03
5-基于物品的协同过滤
14:46
6-隐语义模型
07:32
7-隐语义模型求解
09:46
8-模型评估标准
07:44
1-Surprise库与数据简介
06:41
2-Surprise库使用方法
09:47
3-得出推荐商品结果
09:07
1-支持向量机要解决的问题
10:06
2-距离与数据的定义
10:34
3-目标函数
09:42
4-目标函数求解
11:28
5-SVM求解实例
13:46
6-支持向量的作用
11:54
1-sklearn求解支持向量机
11:25
2-SVM参数选择
14:01
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-Pandas生成时间序列
11:28
2-Pandas数据重采样
09:23
3-Pandas滑动窗口
07:48
4-股票预测案例
09:58
5-使用tsfresh库进行分类任务
12:04
6-维基百科词条EDA
14:30
1-Xgboost算法概述
11:36
2-Xgboost模型构造
12:11
3-Xgboost建模衡量标准
10:07
1-Xgboost安装
06:27
2-保险赔偿任务概述
13:07
3-Xgboost参数定义
09:55
4-基础模型定义
08:17
5-树结构对结果的影响
12:38
6-学习率与采样对结果的影响
13:02
农业-1数据背景简介
11:06
农业-2数据切片分析
17:27
农业-3单变量分析
15:22
农业-4峰度与偏度
11:38
农业-5数据对数变换
09:44
农业-6数据分析维度
06:56
农业-7变量关系可视化展示
12:23
1-HTTP检测任务与数据挖掘的核心
11:14
2-论文的重要程度
10:01
3-BenchMark概述
06:24
4-BenchMark的作用
13:32
客服
顶部
赛事库 课堂 2021拜年纪