课程序号 | 标题 | 下载地址 |
第01讲 | 01、机器学习的定义、概念与常见应用框架_视频 | |
第01讲 | 01、机器学习的定义、概念与常见应用框架_笔记 | |
第02讲 | 02、机器学习的分类、算法Top10与开发流程_视频 | |
第02讲 | 02、机器学习的分类、算法Top10与开发流程_笔记 | |
第03讲 | 03、机器学习开发流程:数据收集与存储_视频 | |
第03讲 | 03、机器学习开发流程:数据收集与存储_笔记 | |
第04讲 | 04、特征工程概述与1-of-k哑编码_视频 | |
第04讲 | 04、特征工程概述与1-of-k哑编码_笔记 | |
第05讲 | 05、文本数据转换:词袋法与TF-IDF_视频 | |
第05讲 | 05、文本数据转换:词袋法与TF-IDF_笔记 | |
第06讲 | 06、模型训练与测试(准确率、召回率、精准率、F值、ROC、AUC)_视频 | |
第06讲 | 06、模型训练与测试(准确率、召回率、精准率、F值、ROC、AUC)_笔记 | |
第07讲 | 07、模型的部署上线与反馈_视频 | |
第07讲 | 07、模型的部署上线与反馈_笔记 | |
第08讲 | 08、机器学习之回归算法_视频 | |
第08讲 | 08、机器学习之回归算法_笔记 | |
第09讲 | 09、最小二乘法求线性回归的最优参数向量_视频 | |
第09讲 | 09、最小二乘法求线性回归的最优参数向量_笔记 | |
第10讲 | 10、scikit-learn机器学习框架的安装与环境搭建_视频 | |
第10讲 | 10、scikit-learn机器学习框架的安装与环境搭建_笔记 | |
第11讲 | 11、机器学习实战案例:普通最小二乘法求线性回归_视频 | |
第11讲 | 11、机器学习实战案例:普通最小二乘法求线性回归_笔记 | |
第12讲 | 12、最小二乘公式法和模型部署:持久化与加载使用_视频 | |
第12讲 | 12、最小二乘公式法和模型部署:持久化与加载使用_笔记 | |
第13讲 | 13、多项式扩展与过拟合问题_视频 | |
第13讲 | 13、多项式扩展与过拟合问题_笔记 | |
第14讲 | 14、解决OverFitting的方案:L1正则、L2正则、弹性网络算法_视频 | |
第14讲 | 14、解决OverFitting的方案:L1正则、L2正则、弹性网络算法_笔记 | |
第15讲 | 15、回归模型的指标评估与机器学习的调参_视频 | |
第15讲 | 15、回归模型的指标评估与机器学习的调参_笔记 | |
第16讲 | 16、梯度下降法原理与代码实战案例_视频 | |
第16讲 | 16、梯度下降法原理与代码实战案例_笔记 | |
第17讲 | 17、线性回归问题的梯度下降算法(BGD、SGD、MBGD)_视频 | |
第17讲 | 17、线性回归问题的梯度下降算法(BGD、SGD、MBGD)_笔记 | |
第18讲 | 18、线性回归总结与BGD算法代码实现_视频 | |
第18讲 | 18、线性回归总结与BGD算法代码实现_笔记 | |
第19讲 | 19、BGD、SGD、普通最小二乘求线性回归问题的比较_视频 | |
第19讲 | 19、BGD、SGD、普通最小二乘求线性回归问题的比较_笔记 | |
第20讲 | 20、认识逻辑回归及其交叉熵损失函数_视频 | |
第20讲 | 20、认识逻辑回归及其交叉熵损失函数_笔记 | |
第21讲 | 21、逻辑回归代码实战案例:乳腺癌预测_视频 | |
第21讲 | 21、逻辑回归代码实战案例:乳腺癌预测_笔记 | |
第22讲 | 22、Softmax回归算法与实战案例:葡萄酒质量分类_视频 | |
第22讲 | 22、Softmax回归算法与实战案例:葡萄酒质量分类_笔记 | |
第23讲 | 23、ML分类问题综合实战案例:信贷审批与鸢尾花分类_视频 | |
第23讲 | 23、ML分类问题综合实战案例:信贷审批与鸢尾花分类_笔记 | |
第24讲 | 24、机器学习之KNN算法实现原理与KD-Tree构建_视频 | |
第24讲 | 24、机器学习之KNN算法实现原理与KD-Tree构建_笔记 | |
第25讲 | 25、KNN参数说明与实例代码讲解_视频 | |
第25讲 | 25、KNN参数说明与实例代码讲解_笔记 | |
第26讲 | 26、决策树预备知识:信息熵与条件熵_视频 | |
第26讲 | 26、决策树预备知识:信息熵与条件熵_笔记 | |
第27讲 | 27、什么是决策树以及决策树的构建过程_视频 | |
第27讲 | 27、什么是决策树以及决策树的构建过程_笔记 | |
第28讲 | 28、决策树的纯度计算、损失函数与举例说明_视频 | |
第28讲 | 28、决策树的纯度计算、损失函数与举例说明_笔记 | |
第29讲 | 29、决策树的生成算法:ID3、C4.5、CART_视频 | |
第29讲 | 29、决策树的生成算法:ID3、C4.5、CART_笔记 | |
第30讲 | 30、决策树算法代码实例:鸢尾花分类_视频 | |
第30讲 | 30、决策树算法代码实例:鸢尾花分类_笔记 | |
第31讲 | 31、决策树API参数讲解、网格交叉验证、决策树深度与过拟合_视频 | |
第31讲 | 31、决策树API参数讲解、网格交叉验证、决策树深度与过拟合_笔记 | |
第32讲 | 32、决策树优化策略:剪枝优化与随机森林_视频 | |
第32讲 | 32、决策树优化策略:剪枝优化与随机森林_笔记 | |
第33讲 | 33、分类树、回归树的区别与实战代码案例:波士顿房租价格预测_视频 | |
第33讲 | 33、分类树、回归树的区别与实战代码案例:波士顿房租价格预测_笔记 | |
第34讲 | 34、使用决策树的可视化工具画出树结构_视频 | |
第34讲 | 34、使用决策树的可视化工具画出树结构_笔记 | |
第35讲 | 35、集成学习的思想概述_视频 | |
第35讲 | 35、集成学习的思想概述_笔记 | |
第36讲 | 36、Bagging方法与随机森林_视频 | |
第36讲 | 36、Bagging方法与随机森林_笔记 | |
第37讲 | 37、RF随机森林的扩展算法:Extra Tree、TRTE、IForest_视频 | |
第37讲 | 37、RF随机森林的扩展算法:Extra Tree、TRTE、IForest_笔记 | |
第38讲 | 38、随机森林算法实战案例:乳腺癌数据分析_视频 | |
第38讲 | 38、随机森林算法实战案例:乳腺癌数据分析_笔记 | |
第39讲 | 39、Boosting提升学习与AdaBoost算法损失函数_视频 | |
第39讲 | 39、Boosting提升学习与AdaBoost算法损失函数_笔记 | |
第40讲 | 40、AdaBoost算法原理与构建过程_视频 | |
第40讲 | 40、AdaBoost算法原理与构建过程_笔记 | |
第41讲 | 41、AdaBoost算法原理的举例推演_重点掌握_视频 | |
第41讲 | 41、AdaBoost算法原理的举例推演_重点掌握_笔记 | |
第42讲 | 42、AdaBoost算法的实战代码案例与总结_视频 | |
第42讲 | 42、AdaBoost算法的实战代码案例与总结_笔记 | |
第43讲 | 43、梯度提升迭代决策树GBDT算法原理与总结_视频 | |
第43讲 | 43、梯度提升迭代决策树GBDT算法原理与总结_笔记 | |
第44讲 | 44、集成学习Bagging、Boosting的区别与Stacking_视频 | |
第44讲 | 44、集成学习Bagging、Boosting的区别与Stacking_笔记 | |
第45讲 | 45、机器学习之聚类算法与相似度距离公式_视频 | |
第45讲 | 45、机器学习之聚类算法与相似度距离公式_笔记 | |
第46讲 | 46、聚类的思想与K-means算法原理讲解_视频 | |
第46讲 | 46、聚类的思想与K-means算法原理讲解_笔记 | |
第47讲 | 47、K-means初始簇心敏感:二分K-means、K-means++、K-means||_视频 | |
第47讲 | 47、K-means初始簇心敏感:二分K-means、K-means++、K-means||_笔记 | |
第48讲 | 48、较完美解决k值给定与初值敏感:Canopy+K-Means算法混合_视频 | |
第48讲 | 48、较完美解决k值给定与初值敏感:Canopy+K-Means算法混合_笔记 | |
第49讲 | 49、K-Means算法实战代码案例_视频 | |
第49讲 | 49、K-Means算法实战代码案例_笔记 | |
第50讲 | 50、Mini Batch K-Means算法原理及其实战代码案例_视频 | |
第50讲 | 50、Mini Batch K-Means算法原理及其实战代码案例_笔记 | |
第51讲 | 51、聚类算法的衡量指标_轮廓系数_视频 | |
第51讲 | 51、聚类算法的衡量指标_轮廓系数_笔记 | |
第52讲 | 52、层次聚类思想与AGNES算法代码实战案例_视频 | |
第52讲 | 52、层次聚类思想与AGNES算法代码实战案例_笔记 | |
第53讲 | 53、层次聚类算法优化:BIRCH算法及其实战代码案例_视频 | |
第53讲 | 53、层次聚类算法优化:BIRCH算法及其实战代码案例_笔记 | |
第54讲 | 54、密度聚类概述以及DBSCAN算法详解_视频 | |
第54讲 | 54、密度聚类概述以及DBSCAN算法详解_笔记 | |
第55讲 | 55、密度最大值聚类算法MDCA与DBSCAN算法实战代码案例_视频 | |
第55讲 | 55、密度最大值聚类算法MDCA与DBSCAN算法实战代码案例_笔记 | |
第56讲 | 56、谱聚类算法原理与scikit-learn API实战代码案例_视频 | |
第56讲 | 56、谱聚类算法原理与scikit-learn API实战代码案例_笔记 | |
第57讲 | 57、聚类算法效果比较与应用案例:图片压缩_视频 | |
第57讲 | 57、聚类算法效果比较与应用案例:图片压缩_笔记 | |
第58讲 | 58、无约束的最优化问题:梯度下降法、牛顿法、坐标轴下降法_视频 | |
第58讲 | 58、无约束的最优化问题:梯度下降法、牛顿法、坐标轴下降法_笔记 | |
第59讲 | 59、有约束的最优化问题:拉格朗日乘子法、KKT条件_视频 | |
第59讲 | 59、有约束的最优化问题:拉格朗日乘子法、KKT条件_笔记 | |
第60讲 | 60、了解感知器模型的原理_视频 | |
第60讲 | 60、了解感知器模型的原理_笔记 | |
第61讲 | 61、支持向量机与线性可分SVM算法推导流程_重点_视频 | |
第61讲 | 61、支持向量机与线性可分SVM算法推导流程_重点_笔记 | |
第62讲 | 62、SVM软间隔模型的算法流程_视频 | |
第62讲 | 62、SVM软间隔模型的算法流程_笔记 | |
第63讲 | 63、非线性可分SVM的解决方案_视频 | |
第63讲 | 63、非线性可分SVM的解决方案_笔记 | |
第64讲 | 64、核函数的定义、作用及原理详解_视频 | |
第64讲 | 64、核函数的定义、作用及原理详解_笔记 | |
第65讲 | 65、SMO序列最小优化算法原理详解_难点_视频 | |
第65讲 | 65、SMO序列最小优化算法原理详解_难点_笔记 | |
第66讲 | 66、SVM应用于回归中_SVR原理讲解_视频 | |
第66讲 | 66、SVM应用于回归中_SVR原理讲解_笔记 | |
第67讲 | 67、SVM算法库在框架scikit-learn中的实现_视频 | |
第67讲 | 67、SVM算法库在框架scikit-learn中的实现_笔记 | |
第68讲 | 68、SVM算法5个代码案例_加深理解SVM算法原理_视频 | |
第68讲 | 68、SVM算法5个代码案例_加深理解SVM算法原理_笔记 | |
第69讲 | 69、SVM算法4个实战综合案例_视频 | |
第69讲 | 69、SVM算法4个实战综合案例_笔记 | |
第70讲 | 70、单标签多分类算法原理_ovo与ovr的区别_视频 | |
第70讲 | 70、单标签多分类算法原理_ovo与ovr的区别_笔记 | |
第71讲 | 71、单标签多分类算法_纠错码机制_视频 | |
第71讲 | 71、单标签多分类算法_纠错码机制_笔记 | |
第72讲 | 72、多标签算法概述与转换策略_笔记 | |
第73讲 | 73、多标签算法适用性策略ML-KNN与ML-DT_笔记 | |
第74讲 | 74、朴素贝叶斯算法原理_笔记 | |
第75讲 | 75、高斯、伯努利、多项式朴素贝叶斯及其实战代码案例_笔记 | |
第76讲 | 76、贝叶斯网络_笔记 | |
第77讲 | 77、EM算法相关回顾:最大似然估计与K-Means_笔记 | |
第78讲 | 78、EM最大期望算法原理_笔记 | |
第79讲 | 79、EM算法案例与收敛性证明_笔记 | |
第80讲 | 更新中。。。 | 更新中。。。 |