注意：只展示部分的文件和文件夹 实际有109个文件
Python3入门机器学习经典算法与应用
Python3入门机器学习经典算法与应用 5.0GB
project0.zip 4.7MB
project (1).zip 6KB
第14章 更多机器学习算法 66.5MB
14-1 学习scikit-learn文档.mp4 66.5MB
第13章 集成学习和随机森林 213.3MB
13-7 Stacking.mp4 11.5MB
13-6 Ada Boosting和Gradient Boosting.mp4 28.7MB
13-5 随机森林和Extra-Trees.mp4 26.0MB
13-4 oob（Out-of-Bag）和关于Bagging的更多讨论.mp4 31.9MB
13-3 Bagging和Pasting.mp4 33.4MB
13-2 SoftVoting Classifier.mp4 28.4MB
13-1什么是集成学习.mp4 53.5MB
第12章 决策树 441.5MB
12-7.mp4 32.8MB
12-6.mp4 38.0MB
12-5 CART与决策树中的超参数.mp4 61.1MB
12-4 基尼系数.mp4 66.5MB
12-3 使用信息熵寻找最优划分.mp4 137.1MB
12-2 信息熵.mp4 48.5MB
12-1.mp4 57.4MB
第11章 支撑向量机 SVM 591.9MB
11-9.mp4 91.6MB
11-8.mp4 76.4MB
11-7.mp4 51.9MB
11-6.mp4 40.1MB
11-5.mp4 84.8MB
11-4.mp4 117.9MB
11-3.mp4 39.7MB
11-2.mp4 51.1MB
11-1.mp4 38.3MB
第10章 评价分类结果 578.6MB
10-8.mp4 95.3MB
10-7.mp4 65.7MB
10-6.mp4 85.0MB
10-5.mp4 91.7MB
10-4.mp4 69.4MB
10-3.mp4 103.8MB
10-2 精准率和召回率.mp4 29.5MB
10-1 准确度的陷阱和混淆矩阵.mp4 38.3MB
第09章 逻辑回归 940.6MB
9-8 OvR与OvO.mp4 124.9MB
9-7 scikit-learn中的逻辑回归.mp4 167.1MB
9-6 在逻辑回归中使用多项式特征.mp4 137.4MB
9-5 决策边界.mp4 193.5MB
9-4 实现逻辑回归算法.mp4 123.4MB
9-3 逻辑回归损失函数的梯度.mp4 80.3MB
9-2 逻辑回归的损失函数.mp4 55.9MB
9-1 什么是逻辑回归.mp4 58.0MB
第08章 多项式回归与模型泛化 1.2GB
8-9 LASSO.mp4 115.1MB
8-8 模型泛化与岭回归.mp4 180.3MB
8-7 偏差方差平衡.mp4 57.8MB
8-6 验证数据集与交叉验证.mp4 222.6MB
8-5 学习曲线.mp4 134.3MB
8-4 为什么要训练数据集与测试数据集.mp4 144.4MB
8-3 过拟合与前拟合.mp4 131.7MB
8-2 scikit-learn中的多项式回归于pipeline.mp4 146.5MB
8-10 L1,L2和弹性网络.mp4 34.2MB
8-1 什么是多项式回归.mp4 75.1MB
第07章 PCA与梯度上升法 1016.3MB
7-9 人脸识别与特征脸.mp4 131.9MB
7-8 使用PCA对数据进行降噪.mp4 99.2MB
7-7 试手MNIST数据集.mp4 112.9MB
7-6 scikit-learn中的PCA.mp4 172.4MB
7-5 高维数据映射为低维数据.mp4 168.6MB
7-4 求数据的前n个主成分.mp4 125.3MB
7-3 求数据的主成分PCA.mp4 178.6MB
7-2 使用梯度上升法求解PCA问题.mp4 27.4MB
