Python3入门机器学习 经典算法与应用 轻松入行人工智能（完整版） - 499元阿里云盘下载

注意：只展示部分的文件和文件夹 实际有102个文件

全部文件 4.2GB

Python3入门机器学习 经典算法与应用 轻松入行人工智能（完整版） - 499元 4.2GB

github地址.txt 72 B

Mastering Feature Engineering Principles and Techniques for Data Scientists (Early Release)-O’reilly (2016).pdf 3.6MB

ISLR Seventh Printing.pdf 10.6MB

第9章 逻辑回归 586.9MB

9-8 OvR与OvO.mp4 65.9MB

9-7 scikt-learn中的逻辑回归.mp4 85.1MB

9-6 在逻辑回归中使用多项式特征.mp4 72.4MB

9-5 决策边界.mp4 98.8MB

9-4 实现逻辑回归算法.mp4 141.5MB

9-3 逻辑回归损失函数的梯度.mp4 48.9MB

9-2 逻辑回归的损失函数.mp4 36.9MB

9-1 什么是逻辑回归.mp4 37.3MB

第8章 多项式回归与模型泛化 798.1MB

8-9 LASSO.mp4 69.9MB

8-8 模型泛化与岭回归.mp4 106.1MB

8-7 偏差方差平衡.mp4 35.5MB

8-6 验证数据集与交叉验证.mp4 133.0MB

8-5 学习曲线.mp4 79.5MB

8-4 为什么要训练数据集与测试数据集.mp4 103.8MB

8-3 过拟合与欠拟合.mp4 110.0MB

8-2 scikit-learn 中的多项式回归.mp4 80.5MB

8-10 L1，L2弹性网络.mp4 26.5MB

8-1 什么是多项式回归.mp4 53.4MB

第7章 PCA与梯度上升法 630.2MB

7-9 人脸识别与特征脸.mp4 69.1MB

7-8 使用PCA对数据进行降噪.mp4 67.7MB

7-7 试手MNIST数据集.mp4 61.9MB

7-6 scikit-learn中的PCA.mp4 111.2MB

7-5 高纬数据映射为低纬数据.mp4 92.3MB

7-4 高维数据映射为低维数据（）.mp4 73.3MB

7-3 求数据的主成分.mp4 96.8MB

7-2 求数据的主成分PCA问题.mp4 20.2MB

7-1 什么是PCA.mp4 37.8MB

第6章 梯度下降法 656.0MB

6-9 有关梯度下降法的更多讨论.mp4 18.1MB

6-8有关梯度下降法的更多深入讨论.mp4 59.1MB

6-7 scikit-learn中的梯度下降法.mp4 130.7MB

6-6 随机梯度下降法.mp4 77.4MB

6-5 梯度下降法的向量化.mp4 108.6MB

6-4 实现线性回归中的梯度下降法.mp4 84.2MB

6-3实现线性回归中的梯度下降法.mp4 35.3MB

6-2线性回归中的梯度下降法.mp4 109.3MB

6-1 什么是梯度下降法.mp4 33.5MB

第5章 线性回归法 603.2MB

5-9 使用Scilit-learn解决回归问题.mp4 82.3MB

5-8 实现多元线性回归.mp4 78.6MB

5-7多元线性回归和正规方程解.mp4 33.3MB

5-6 最好的衡量线性回归法的指标.mp4 56.1MB

5-5 R Squared.mp4 90.3MB

5-4 衡量线性回归的指标.mp4 56.6MB

5-3 简单线性回归的实现.mp4 75.7MB

5-2 最小乘法.mp4 24.7MB

5-10 线性回归的可解释性.mp4 61.9MB

5-1 简单线性回归.mp4 43.7MB

第4章 最基础的分类算法 891.1MB

4-9 更多有关K近邻算法的思考.mp4 22.7MB

4-8 Scikit-learn中的Scaler.mp4 115.8MB

4-7 数据归一化.mp4 56.8MB

4-6 网络搜索与K邻近算法中更多超参数.mp4 131.0MB

4-5 超参数.mp4 92.3MB

4-4 分类准确度.mp4 130.5MB

4-3 训练数据集.mp4 122.5MB

4-2 scikit-learn机器学习算法封装.mp4 145.1MB

4-1 K近邻算法.mp4 74.4MB

第3章 Jupyter Notebook ,numpy 123.2MB

3-9 Numpy中的arg运算.mp4 50.8MB

3-8 Numpy 中的聚合运算.mp4 72.3MB