-

  • B站 - 机器学习必修课：经典AI算法与编程实战 瞿炜
    • B站 - 机器学习必修课：经典AI算法与编程实战 瞿炜
      • 03-3Anaconda命令行操作.mp4
      • 15-5如何深入研究机器学习.mp4
      • 15-4交易反欺诈代码实现.mp4
      • 15-3房价预测.mp4
      • 15-2泰坦尼克生还预测.mp4
      • 15-1本章总览.mp4
      • 14-5概率图模型优缺点和适用条件.mp4
      • 14-4隐马尔可夫模型代码实现.mp4
      • 14-3EM算法参数估计.mp4
      • 14-1本章总览.mp4
      • 13-8主成分分析优缺点和适用条件.mp4
      • 14-2概率图模型核心思想和原理.mp4
      • 13-7PCA在人脸识别中的应用.mp4
      • 13-6PCA在数据降噪中的应用.mp4
      • 13-5降维任务代码实现.mp4
      • 13-3PCA求解算法.mp4
      • 13-4PCA算法代码实现.mp4
      • 13-1本章总览.mp4
      • 13-2PCA核心思想和原理.mp4
      • 12-5聚类评估代码实现.mp4
      • 12-6聚类算法优缺点和适用条件.mp4
      • 12-4聚类算法代码实现.mp4
      • 12-3k-means和分层聚类.mp4
      • 12-1本章总览.mp4
      • 12-2聚类算法核心思想和原理.mp4
      • 11-8集成学习优缺点和适用条件.mp4
      • 11-7结合策略：Stacking方法.mp4
      • 11-6串行策略：Boosting.mp4
      • 11-5并行策略：随机森林.mp4
      • 11-4并行策略：Bagging、OOB等方法.mp4
      • 11-3集成学习代码实现.mp4
      • 11-2集成学习核心思想和原理.mp4
      • 10-6贝叶斯方法优缺点和适用条件.mp4
      • 11-1本章总览.mp4
      • 10-4朴素贝叶斯的代码实现.mp4
      • 10-5多项式朴素贝叶斯代码实现.mp4
      • 10-2贝叶斯方法核心思想和原理.mp4
      • 10-3朴素贝叶斯分类.mp4
      • 10-1本章总览.mp4
      • 09-9SVM回归任务代码实现.mp4
      • 09-8非线性SVM代码实现.mp4
      • 09-7SVM核函数.mp4
      • 09-6非线性SVM：核技巧.mp4
      • 09-3硬间隔SVM.mp4
      • 09-5线性SVM分类任务代码实现.mp4
      • 09-1本章总览.mp4
      • 09-2SVM核心思想和原理.mp4
      • 09-4SVM软间隔.mp4
      • 09-10SVM优缺点和适用条件.mp4
      • 08-9神经网络优缺点和适用条件.mp4
      • 08-8模型选择.mp4
      • 08-7梯度消失和梯度爆炸.mp4
      • 08-6神经网络简单代码实现.mp4
      • 08-5梯度下降优化算法.mp4
      • 08-4正向传播与反向传播.mp4
      • 01-1课程内容和理念.mp4
      • 08-3激活函数.mp4
      • 08-2神经网络核心思想和原理.mp4
      • 08-1本章总览.mp4
      • 07-8决策树优缺点和适用条件.mp4
      • 07-7决策树回归任务代码实现.mp4
      • 07-6决策树剪枝.mp4
      • 07-5基尼系数.mp4
      • 07-4决策树分类任务代码实现.mp4
      • 07-3信息熵.mp4
      • 07-2决策树核心思想和原理.mp4
      • 07-1本章总览.mp4
      • 06-9正则化.mp4
      • 06-8模型误差.mp4
      • 06-7交叉验证.mp4
      • 06-6学习曲线.mp4
      • 06-5过拟合与欠拟合.mp4
      • 06-4决策边界.mp4
      • 06-3梯度下降.mp4
      • 06-2损失函数.mp4
      • 06-1本章总览.mp4
      • 06-13评价指标：ROC曲线.mp4
      • 06-12评价指标：混淆矩阵、精准率和召回率.mp4
      • 06-11模型泛化.mp4
      • 06-10LASSO和岭回归代码实现.mp4
      • 05-9多分类策略.mp4
      • 05-8线性逻辑回归代码实现.mp4
      • 05-7逻辑回归算法.mp4
      • 05-6多项式回归代码实现.mp4
      • 05-5模型评价：MSE、RMSE、MAE和R方.mp4
      • 05-4线性回归代码实现.mp4
      • 05-3逻辑回归核心思想和原理.mp4
      • 05-2线性回归核心思想和原理.mp4
      • 05-1本章总览.mp4
      • 05-11线性算法优缺点和适用条件.mp4
      • 05-10复杂逻辑回归及代码实现.mp4
      • 04-9KNN优缺点和适用条件.mp4
      • 04-8KNN回归任务代码实现.mp4
      • 04-7特征归一化.mp4
      • 04-6超参数.mp4
      • 04-5模型评价.mp4
      • 04-3KNN分类任务代码实现.mp4
      • 04-4数据集划分：训练集与预测集.mp4
      • 04-2KNN算法核心思想和原理.mp4
      • 04-1本章总览.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