投稿

数据分析与机器学习实战之机器学习常用算法

3729

1

2020-03-24 19:25:10

未经作者授权，禁止转载

如需要资料，可以进我的QQ交流群：940328575

苏苏学长噫发消息

你只需要试用一次，就会爱上千问！

王守义收音机

课时62决策树原理概述

12:25

课时63衡量标准-熵

11:03

课时64决策树构造实例

10:09

课时65信息增益率

05:50

课时66决策树剪枝策略

15:31

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71集成算法-随机森林

12:02

课时72特征重要性衡量

13:51

课时73提升模型

11:15

课时74堆叠模型

07:09

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101KMEANS算法概述

11:33

课时102KMEANS工作流程

09:43

课时103KMEANS迭代可视化展示

08:21

课时104使用Kmeans进行图像压缩

08:00

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

课时135Adaboost算法概述

13:00

顶部