实战机器学习(基于Python)-弘学教育-在线职业教育平台

1 第01章.k最近邻算法
1. 01_01.机器学习课程介绍
  
  00:19:00
2. 01_02.K最近邻算法的思想
  
  00:27:06
3. 01_03.机器学习中常用的距离指标解析
  
  00:19:00
4. 01_04.实战k最近邻算法
  
  00:07:52
2 第02章.朴素贝叶斯分类算法
1. 02_01.概率论的基本知识(基本概念、加法公式、乘法公式)
  
  00:23:18
2. 02_02.通过例子深入掌握概率的基本公式
  
  00:10:48
3. 02_03.全概率公式和贝叶斯定理
  
  00:38:22
4. 02_04.实战贝叶斯分类算法，智能手环推荐
  
  00:30:15
3 第03章.聚类算法
1. 03_01.聚类算法概述
  
  00:20:29
2. 03_02.Kmeans聚类
  
  00:10:51
3. 03_03.Kmeans实战，图片按照色彩聚类
  
  00:14:29
4 第04章.决策树算法
1. 04_01.决策树介绍
  
  00:15:45
2. 04_02.决策树的构造过程和各种算法
  
  00:21:31
3. 04_03.决策树中关键指标详解
  
  00:43:46
4. 04_04.实战决策树
  
  00:14:30
5 第05章.线性回归和梯度下降算法
1. 05_01.线性回归的相关概念（相关、独立和协方差）
  
  00:31:52
2. 05_02.线性回归和最小二乘法
  
  00:23:27
3. 05_03.梯度下降算法
  
  00:35:45
4. 05_04.梯度的推导过程
  
  00:15:14
5. 05_05.岭回归、lasso回归和弹性网
  
  00:42:48
6 第06章.逻辑回归和极大似然估计
1. 06_01.广义线性回归和逻辑回归
  
  00:18:34
2. 06_02.极大似然估计的思想
  
  00:28:14
3. 06_03.逻辑回归中的梯度推导
  
  00:12:22
4. 06_04.逻辑回归代码实战
  
  00:04:17
7 第07章.支持向量机
1. 07_01.支持向量机原理介绍
  
  00:34:32
2. 07_02.线性可分的支持向量机
  
  00:36:31
3. 07_03.近似线性可分、非线性可分、核函数
  
  00:35:24
4. 07_04.坐标上升法、SMO算法、实战支持向量机
  
  00:27:36
8 第08章.EM算法和GMM
1. 08_01.EM算法思想
  
  00:43:54
2. 08_02.EM算法的推导
  
  00:33:08
3. 08_03.实战EM算法，GMM
  
  00:22:52
9 第09章.随机森林和Adaboost
1. 09_01.随机森林
  
  00:24:21
2. 09_02.Adaboost思想精髓
  
  00:26:45
3. 09_03.Adaboost算法流程介绍
  
  00:24:10
4. 09_04.实战Adaboost算法
  
  00:09:17
10 第10章.机器学习思想精华和实战经验分享
1. 10_01.机器学习解决问题思想框架
  
  00:31:34
2. 10_02.理解方差和偏差、损失函数和过拟合
  
  00:33:22
3. 10_03.L1、L2正则化和常见的5种损失函数
  
  00:42:05
4. 10_04.如何选择模型和选择参数，交叉验证和ROC曲线
  
  00:45:52
5. 10_05.自适应学习率和二分法精确搜索
  
  00:32:38
6. 10_06.自适应学习率和基于阿米霍准则的模糊搜索
  
  00:22:56

实战机器学习(基于Python)

1023人在学

公众号

小程序

课程详情

我要提问

XLB007_实战机器学习(基于Python)

第01章.k最近邻算法

01_01.机器学习课程介绍.mp4

01_02.K最近邻算法的思想.mp4

01_03.机器学习中常用的距离指标解析.mp4

01_04.实战k最近邻算法.mp4

第02章.朴素贝叶斯分类算法

02_01.概率论的基本知识(基本概念、加法公式、乘法公式).mp4

02_02.通过例子深入掌握概率的基本公式.mp4

02_03.全概率公式和贝叶斯定理.mp4

02_04.实战贝叶斯分类算法，智能手环推荐.mp4

第03章.聚类算法

03_01.聚类算法概述.mp4

03_02.Kmeans聚类.mp4

03_03.Kmeans实战，图片按照色彩聚类.mp4

第04章.决策树算法

04_01.决策树介绍.mp4

04_02.决策树的构造过程和各种算法.mp4

04_03.决策树中关键指标详解.mp4

04_04.实战决策树.mp4

第05章.线性回归和梯度下降算法

05_01.线性回归的相关概念（相关、独立和协方差）.mp4

05_02.线性回归和最小二乘法.mp4

05_03.梯度下降算法.mp4

05_04.梯度的推导过程.mp4

05_05.岭回归、lasso回归和弹性网.mp4

第06章.逻辑回归和极大似然估计

06_01.广义线性回归和逻辑回归.mp4

06_02.极大似然估计的思想.mp4

06_03.逻辑回归中的梯度推导.mp4

06_04.逻辑回归代码实战.mp4

第07.支持向量机

07_01.支持向量机原理介绍.mp4

07_02.线性可分的支持向量机.mp4

07_03.近似线性可分、非线性可分、核函数.mp4

07_04.坐标上升法、SMO算法、实战支持向量机.mp4

第08章.EM算法和GMM

08_01.EM算法思想.mp4

08_02.EM算法的推导.mp4

08_03.实战EM算法，GMM.mp4

第09章.随机森林和Adaboost

09_01.随机森林.mp4

09_02.Adaboost思想精髓.mp4

09_03.Adaboost算法流程介绍.mp4

09_04.实战Adaboost算法.mp4

第10章.机器学习思想精华和实战经验分享

10_01.机器学习解决问题思想框架.mp4

10_02.理解方差和偏差、损失函数和过拟合.mp4

10_03.L1、L2正则化和常见的5种损失函数.mp4

10_04.如何选择模型和选择参数，交叉验证和ROC曲线.mp4

10_05.自适应学习率和二分法精确搜索.mp4

10_06.自适应学习率和基于阿米霍准则的模糊搜索.mp4

评价（0）立即评论

登录

手机号码绑定