• 梗直哥瞿炜-机器学习必修课：经典算法与Python实战
    • 04-6-4-6超参数.mp4
    • 03-7-3-7Numpy数组创建：特定数组、等差数组、随机数组.mp4
    • 03-6-3-6Numpy基础：安装与性能对比.mp4
    • 04-7-4-7特征归一化.mp4
    • 08-7-8-7梯度消失和梯度爆炸.mp4
    • 03-9-3-9Numpy非常重要的数组合并与拆分操作.mp4
    • 08-8-8-8模型选择.mp4
    • 04-9-4-9KNN优缺点和适用条件.mp4
    • 02-3-2-3研究哪些问题：分类、回归等.mp4
    • 04-1-4-1本章总览.mp4
    • 08-5-8-5梯度下降优化算法.mp4
    • 03-12-3-12Numpy数组arg运算和排序.mp4
    • 11-2-11-2集成学习核心思想和原理.mp4
    • 03-2-3-2Anaconda图形化操作.mp4
    • 11-1-11-1本章总览.mp4
    • 09-1-9-1本章总览.mp4
    • 11-3-11-3集成学习代码实现.mp4
    • 08-6-8-6神经网络简单代码实现.mp4
    • 03-10-3-10Numpy数组矩阵运算：一元运算、二元运算与矩阵运算.mp4
    • 09-5-9-5线性SVM分类任务代码实现.mp4
    • 02-2-2-2数据长什么样：常见数据集、典型实例、如何使用.mp4
    • 04-5-4-5模型评价.mp4
    • 02-5-2-5机器学习的七大常见误区和局限.mp4
    • 04-4-4-4数据集划分：训练集与预测集.mp4
    • 03-13-3-13Numpy数组神奇索引和布尔索引.mp4
    • 03-8-3-8Numpy数组基础索引：索引和切片.mp4
    • 05-1-5-1本章总览.mp4
    • 02-1-2-1本章总览.mp4
    • 03-4-3-4JupyterNotebook基础使用.mp4
    • 03-11-3-11Numpy数组统计运算：常用的都在这儿了.mp4
    • 08-9-8-9神经网络优缺点和适用条件.mp4
    • 08-4-8-4正向传播与反向传播.mp4
    • 13-7-13-7PCA在人脸识别中的应用.mp4
    • 10-3-10-3朴素贝叶斯分类.mp4
    • 06-2-6-2损失函数.mp4
    • 11-7-11-7结合策略：Stacking方法.mp4
    • 11-8-11-8集成学习优缺点和适用条件.mp4
    • 12-6-12-6聚类算法优缺点和适用条件.mp4
    • 11-6-11-6串行策略：Boosting.mp4
    • 07-8-7-8决策树优缺点和适用条件.mp4
    • 06-1-6-1本章总览.mp4
    • 06-9-6-9正则化.mp4
    • 06-5-6-5过拟合与欠拟合.mp4
    • 10-4-10-4朴素贝叶斯的代码实现.mp4
    • 12-5-12-5聚类评估代码实现.mp4
    • 10-1-10-1本章总览.mp4
    • 05-10-5-10复杂逻辑回归及代码实现.mp4
    • 10-6-10-6贝叶斯方法优缺点和适用条件.mp4
    • 05-5-5-5模型评价：MSE、RMSE、MAE和R方.mp4
    • 12-2-12-2聚类算法核心思想和原理.mp4
    • 14-2-14-2概率图模型核心思想和原理.mp4
    • 06-7-6-7交叉验证.mp4
    • 09-8-9-8非线性SVM代码实现.mp4
    • 12-3-12-3k-means和分层聚类.mp4
    • 13-5-13-5降维任务代码实现.mp4
    • 15-4-15-4交易反欺诈代码实现.mp4
    • 09-9-9-9SVM回归任务代码实现.mp4
    • 09-7-9-7SVM核函数.mp4
    • 14-3-14-3EM算法参数估计.mp4
    • 13-1-13-1本章总览.mp4
    • 14-4-14-4隐马尔可夫模型代码实现.mp4
    • 15-2-15-2泰坦尼克生还预测.mp4
    • 11-4-11-4并行策略：Bagging、OOB等方法.mp4
    • 15-3-15-3房价预测.mp4
    • 09-4-9-4SVM软间隔.mp4
    • 15-1-15-1本章总览.mp4
    • 08-2-8-2神经网络核心思想和原理.mp4
    • 15-5-15-5如何深入研究机器学习.mp4
    • 04-2-4-2KNN算法核心思想和原理.mp4
    • 13-2-13-2PCA核心思想和原理.mp4
    • 02-4-2-4如何分门别类：监督、无监督、强化学习等.mp4
    • 03-14-3-14Matplotlib数据可视化：基础绘制与设置.mp4
    • 03-1-3-1本章总览：相互关系与学习路线.mp4
    • 10-5-10-5多项式朴素贝叶斯代码实现.mp4
    • 12-1-12-1本章总览.mp4
    • 13-8-13-8主成分分析优缺点和适用条件.mp4
    • 14-1-14-1本章总览.mp4
    • 09-6-9-6非线性SVM：核技巧.mp4
    • 03-5-3-5JupyterNotebook高级使用：常用魔法命令.mp4
    • 03-1-3课程使用的技术栈.mp4
    • 09-10-9-10SVM优缺点和适用条件.mp4
    • 13-3-13-3PCA求解算法.mp4
    • 08-3-8-3激活函数.mp4
    • 14-5-14-5概率图模型优缺点和适用条件.mp4
    • 13-4-13-4PCA算法代码实现.mp4
    • 13-6-13-6PCA在数据降噪中的应用.mp4
    • 12-4-12-4聚类算法代码实现.mp4
    • 01-1-1课程内容和理念.mp4
    • 02-1-2初识机器学习.mp4
    • 09-2-9-2SVM核心思想和原理.mp4
    • 09-3-9-3硬间隔SVM.mp4
    • 11-5-11-5并行策略：随机森林.mp4
    • 04-8-4-8KNN回归任务代码实现.mp4
    • 10-2-10-2贝叶斯方法核心思想和原理.mp4
    • 04-3-4-3KNN分类任务代码实现.mp4
    • 03-3-3-3Anaconda命令行操作.mp4
    • 05-2-5-2线性回归核心思想和原理.mp4
    • 07-5-7-5基尼系数.mp4
    • 06-11-6-11模型泛化.mp4
    • 06-12-6-12评价指标：混淆矩阵、精准率和召回率.mp4
请认真阅读以下说明，您只有在了解并同意该说明后，才可继续访问本站。

1. 全站内容收集自百度、阿里、夸克、城通、迅雷、115、天翼、UC网盘公开分享链接，以非人工方式自动生成，本站不储存、复制、传播、控制编辑任何网盘文件，也不提供下载服务，其链接跳转到对应网盘方。

2. 法律合规：agizy.cn遵守相关法律法规，坚决杜绝一切违规不良信息。如您发现任何涉嫌违规的网盘信息，请立即向网盘官方网站举报，并及时反馈给我们进行屏蔽删除。同时您必须了解并同意本站《用户协议》，严禁搜索非法关键词。

3. 知识产权保护：agizy.cn高度重视知识产权保护和个人隐私保护。如有网盘链接侵犯您的合法权益，请立即向百度网盘官方网站举报，并参见本站《版权说明》提供书面材料联系我们屏蔽删改。

4. 非经营性用途：agizy.cn作为非经营性网站，所有服务仅供学习交流使用。

  • 净网声明
  • 免责声明
  • 用户协议
  • 版权说明