机器学习必修经典算法与Python实战

机器学习必修经典算法与 Python 实战

机器学习必修经典算法与 Python 实战"课程旨在教授学员机器学习领域的经典算法原理和实际应用技巧。学员将学习算法如决策树、支持向量机、神经网络等的原理，并通过Python实战项目加深理解。通过课程，学员将掌握机器学习算法的核心概念，提升数据分析和预测能力。无论您的背景如何，都能从中受益并应用于实际项目中。

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