TA的每日心情 | 擦汗
2022-9-1 00:44 |
|---|
签到天数: 9 天 [LV.3]偶尔看看
|
│ 介绍.png
│
├─01.第1章 k-近邻算法
│ 任务01：第1期 k-近邻算法（完整版）.zip
│ 任务02： 1.机器学习概述.mp4
│ 任务03： 2.k-近邻算法原理.mp4
│ 任务04： 3.k-近邻的python实现.mp4
│ 任务05： 4.k-近邻算法之约会网站配对效果判定.mp4
│ 任务06： 5.k-近邻算法之手写数字识别.mp4
│
├─02.第2章 决策树
│ 任务07：第2期 决策树（完整版）.zip
│ 任务08： 1. 决策树原理简介.mp4
│ 任务09： 2. 决策树的构建准备工作.mp4
│ 任务10： 3. 递归构建决策树.mp4
│ 任务11： 4. 利用sklearn绘制决策树.mp4
│ 任务12： 5. 决策树的可视化.mp4
│ 任务13： 6. 使用决策树预测隐形眼镜类型.mp4
│
├─03.第3章 朴素贝叶斯
│ 任务14： 第3期 朴素贝叶斯 （完整版）.zip
│ 任务15： 1. 朴素贝叶斯概述.mp4
│ 任务16： 2. 朴素贝叶斯之鸢尾花数据实验.mp4
│ 任务17： 3. 朴素贝叶斯之言论过滤.mp4
│ 任务18： 4. 朴素贝叶斯之垃圾邮件过滤.mp4
│ 任务19： 5. kaggle比赛之“旧金山犯罪分类预测”.mp4
│ 任务20： 6. 算法总结.mp4
│
├─04.第4章 Logistic 回归
│ 任务21：第4期 logistic（完整版）.zip
│ 任务22： 1. logistic原理概述.mp4
│ 任务23： 2. 损失函数正则化.mp4
│ 任务24： 3. 梯度下降法.mp4
│ 任务25： 4. 梯度下降种类解析.mp4
│ 任务26： 5. 梯度下降求解逻辑回归.mp4
│ 任务27： 6. 病马案例.mp4
│ 任务28： 7. sklearn实现葡萄牙银行营销案例.mp4
│ 任务29： 8. 分类算法大比拼.mp4
│ 任务30： 9. 算法总结.mp4
│
├─05.第5章 支持向量机
│ 任务31：第5期 支持向量机（完整版）.zip
│ 任务33： 2. 补充数学公式.mp4
│ 任务34： 3. smo算法流程.mp4
│ 任务35： 4. 简化版smo算法.mp4
│ 任务36： 5. 完整版smo算法.mp4
│ 任务37： 6. 核函数.mp4
│ 任务38： 7. 非线性svm.mp4
│ 任务39： 8. 案例：svm之手写数字识别.mp4
│ 任务40： 9. 算法总结.mp4
│
├─06.第6章 AdaBoost算法
│ 任务41：第6期 Adaboost算法（完整版）.zip
│ 任务42： 1. 集成算法概念.mp4
│ 任务43： 2. adaboost算法步骤.mp4
│ 任务44： 3. 构建弱分类器.mp4
│ 任务45： 4. adaboost完整版函数.mp4
│ 任务46： 5. 案例：adaboost在病马数据集上的应用.mp4
│ 任务47： 6. 分类器衡量指标.mp4
│ 任务48： 7. 样本不均衡问题.mp4
│ 任务49： 8. 案例：套坦尼克号幸存者预测.mp4
│
├─07.第7章 线性回归
│ 任务50：第7期 线性回归（完整版）.zip
│ 任务51： 1. 线性回归概述.mp4
│ 任务52： 2. 线性回归的损失函数.mp4
│ 任务53： 3. 简单线性回归python实现.mp4
│ 任务54： 4. 局部加权线性回归.mp4
│ 任务55： 5. 案例：预测鲍鱼的年龄.mp4
│ 任务56： 6. 岭回归.mp4
│ 任务57： 7. lasso和向前逐步回归.mp4
│ 任务58： 8. 爬虫获取乐高交易数据.mp4
│ 任务59： 9. 乐高二手成交价预测.mp4
│
├─08.第8章 树回归
│ 任务60：第8期 树回归（完整版）.zip
│ 任务61： 1. 决策树回顾.mp4
│ 任务62： 2.cart算法概述.mp4
│ 任务63： 3. cart回归树的python实现.mp4
│ 任务64： 4. 回归树的sklearn实现.mp4
│ 任务65： 5. 树剪枝.mp4
│ 任务66： 6. 模型树.mp4
│ 任务67： 7. 回归树预测结果.mp4
│ 任务68： 8. 模型树和标准线性回归预测结果.mp4
│ 任务69： 9. 使用python的tkinter库创建gui.mp4
│
├─09.第9章 K-均值聚类算法
│ 任务70：第9期 K-均值聚类（完整版）.zip
│ 任务71： 1. 聚类分析概述.mp4
│ 任务72： 2. k均值算法原理.mp4
│ 任务73： 3. k均值算法的python实现（1）.mp4
│ 任务74： 4. k均值算法的python实现（2）.mp4
│ 任务75： 5. 算法验证.mp4
│ 任务76： 6. 误差平方和sse和学习曲线.mp4
│ 任务77： 7. 模型收敛稳定性探讨.mp4
│ 任务78： 8. 二分k均值法（1）.mp4
│ 任务79： 9. 二分k均值法（2）.mp4
│ 任务80： 10. 聚类模型评价指标.mp4
│ 任务81： 11. 轮廓系数的python实现.mp4
│ 任务82： 【附录1】距离类模型中距离的确定.mp4
│ 任务83： 【附录2】归一化处理.mp4
│
└─10.第10章 关联规则之Apriori
任务84：课件、代码及数据集下载.zip
任务85： 1 关联分析概述.mp4
任务86： 2 频繁项集的评估标准：支持度&置信度.mp4
任务87： 3 频繁项集的评估标准：提升度.mp4
任务88： 4 关联规则的发现.mp4
任务89： 5 apriori原理.mp4
任务90： 6 apriori挖掘频繁项集（1）.mp4
任务91： 7 apriori挖掘频繁项集（2）.mp4
任务92： 8 apriori挖掘频繁项集（3）.mp4
任务93： 9 apriori挖掘关联规则（1）.mp4
任务94： 10 apriori挖掘关联规则（2）.mp4
任务95： 11 案例：发现美国国会投票中的模式.mp4
任务96： 12 案例：发现毒蘑菇的相似特征（1）.mp4
任务97： 13 案例：发现毒蘑菇的相似特征（2）.mp4
任务98： 14 案例：发现毒蘑菇的相似特征（3）.mp4
下载地址:iqml31
|
|
发表于 2020-1-4 02:45:00
发表于 2020-1-4 13:49:10
发表于 2020-1-5 16:03:59
