zhongziso种子搜
首页
功能
磁力转BT
BT转磁力
使用教程
免责声明
关于
zhongziso
搜索
Python3入门机器学习经典算法与应用
magnet:?xt=urn:btih:72098ab55975736ffe4d0222bcfb5607e7c694c0&dn=Python3入门机器学习经典算法与应用
磁力链接详情
Hash值:
72098ab55975736ffe4d0222bcfb5607e7c694c0
点击数:
185
文件大小:
10.82 GB
文件数量:
108
创建日期:
2020-9-13 00:31
最后访问:
2024-12-18 16:53
访问标签:
Python3入门机器学习经典算法与应用
文件列表详情
第10章 评价分类结果/10-1 准确度的陷阱和混淆矩阵.mp4 38.3 MB
第10章 评价分类结果/10-2 精准率和召回率.mp4 29.54 MB
第10章 评价分类结果/10-3.mp4 103.77 MB
第10章 评价分类结果/10-4.mp4 69.37 MB
第10章 评价分类结果/10-5.mp4 91.68 MB
第10章 评价分类结果/10-6.mp4 84.97 MB
第10章 评价分类结果/10-7.mp4 65.7 MB
第10章 评价分类结果/10-8.mp4 95.3 MB
第11章 支撑向量机 SVM/11-1.mp4 38.28 MB
第11章 支撑向量机 SVM/11-2.mp4 51.14 MB
第11章 支撑向量机 SVM/11-3.mp4 39.69 MB
第11章 支撑向量机 SVM/11-4.mp4 117.94 MB
第11章 支撑向量机 SVM/11-5.mp4 84.85 MB
第11章 支撑向量机 SVM/11-6.mp4 40.05 MB
第11章 支撑向量机 SVM/11-7.mp4 51.95 MB
第11章 支撑向量机 SVM/11-8.mp4 76.38 MB
第11章 支撑向量机 SVM/11-9.mp4 91.6 MB
第12章 决策树/12-1.mp4 57.42 MB
第12章 决策树/12-2 信息熵.mp4 48.5 MB
第12章 决策树/12-3 使用信息熵寻找最优划分.mp4 137.06 MB
第12章 决策树/12-4 基尼系数.mp4 66.53 MB
第12章 决策树/12-5 CART与决策树中的超参数.mp4 61.13 MB
第12章 决策树/12-6.mp4 38.03 MB
第12章 决策树/12-7.mp4 32.84 MB
第13章 集成学习和随机森林/13-1什么是集成学习.mp4 53.46 MB
第13章 集成学习和随机森林/13-2 SoftVoting Classifier.mp4 28.36 MB
第13章 集成学习和随机森林/13-3 Bagging和Pasting.mp4 33.44 MB
第13章 集成学习和随机森林/13-4 oob（Out-of-Bag）和关于Bagging的更多讨论.mp4 31.85 MB
第13章 集成学习和随机森林/13-5 随机森林和Extra-Trees.mp4 25.99 MB
第13章 集成学习和随机森林/13-6 Ada Boosting和Gradient Boosting.mp4 28.67 MB
第13章 集成学习和随机森林/13-7 Stacking.mp4 11.5 MB
第14章 更多机器学习算法/14-1 学习scikit-learn文档.mp4 66.49 MB
第1章 欢迎来到 Python3 玩转机器学习/1-1导学.mp4 69.45 MB
第1章 欢迎来到 Python3 玩转机器学习/1-2 课程涵盖的内容和理念.mp4 90.2 MB
第1章 欢迎来到 Python3 玩转机器学习/1-3 课程所使用的主要技术栈.mp4 59.76 MB
第2章 机器学习基础/2-1 机器学习世界的数据.mp4 84.28 MB
第2章 机器学习基础/2-2 机器学习的主要任务.mp4 126.54 MB
第2章 机器学习基础/2-3 监督学习，非监督学习，半监督学习和增强学习.mp4 93.55 MB
第2章 机器学习基础/2-4 批量学习，在线学习，参数学习和非参数学习.mp4 33.44 MB
第2章 机器学习基础/2-5 和机器学习相关的哲学思考.mp4 36.78 MB
第2章 机器学习基础/2-6 课程使用环境搭建.mp4 91.78 MB
第3章 Jupyter Notebook, numpy和m/3-1 jupyter notebook基础.mp4 169.23 MB
第3章 Jupyter Notebook, numpy和m/3-10 Numpy中的比较和FancyIndexing.mp4 190.65 MB
第3章 Jupyter Notebook, numpy和m/3-11 Matplotlib数据可视化基础.mp4 153.48 MB
第3章 Jupyter Notebook, numpy和m/3-12 数据加载和简单的数据探索.mp4 112.89 MB
第3章 Jupyter Notebook, numpy和m/3-2 jupyter notebook中的魔法命令.mp4 189.47 MB
第3章 Jupyter Notebook, numpy和m/3-3 Numpy数据基础.mp4 68.2 MB
第3章 Jupyter Notebook, numpy和m/3-4 创建numpy数组和矩阵.mp4 188.08 MB
第3章 Jupyter Notebook, numpy和m/3-5 Numpy数组的基本操作.mp4 119.05 MB
第3章 Jupyter Notebook, numpy和m/3-6 Numpy数组的合并与分割.mp4 156.53 MB
第3章 Jupyter Notebook, numpy和m/3-7 Numpy中的矩阵运算.mp4 205.96 MB
第3章 Jupyter Notebook, numpy和m/3-8 Numpy中的聚合运算.mp4 107.92 MB
第3章 Jupyter Notebook, numpy和m/3-9 Numpy中的arg运算.mp4 95.42 MB
第4章 最基础的分类算法-k近邻算法 kNN/4-1 k近邻算法基础.mp4 136.81 MB
第4章 最基础的分类算法-k近邻算法 kNN/4-2 scikit-learn中的机器学习算法封装.mp4 206.27 MB
第4章 最基础的分类算法-k近邻算法 kNN/4-3 训练数据集，测试数据集.mp4 213.34 MB
第4章 最基础的分类算法-k近邻算法 kNN/4-4 分类准确度.mp4 174.77 MB
第4章 最基础的分类算法-k近邻算法 kNN/4-5 超参数.mp4 207.2 MB
第4章 最基础的分类算法-k近邻算法 kNN/4-6 网格搜索与k近邻算法中更多超参数.mp4 168.06 MB
第4章 最基础的分类算法-k近邻算法 kNN/4-7 数据归一化.mp4 105.87 MB
第4章 最基础的分类算法-k近邻算法 kNN/4-8 scikit-learn中的Scaler.mp4 185.31 MB
第4章 最基础的分类算法-k近邻算法 kNN/4-9 更多有关k近邻算法的思考.mp4 32.96 MB
第5章 线性回归法/5-1 简单线性回归.mp4 63.86 MB
第5章 线性回归法/5-10 线性回归的可解性和更多思考.mp4 86.8 MB
第5章 线性回归法/5-2 最小二乘法.mp4 33.46 MB
第5章 线性回归法/5-3 简单线性回归的实现.mp4 130.36 MB
第5章 线性回归法/5-4 向量化.mp4 105.4 MB
第5章 线性回归法/5-5 衡量线性回归法的指标 MSE,RMS,MAE.mp4 183.31 MB
第5章 线性回归法/5-6 最好的衡量线性回归法的指标 R Squared.mp4 109.94 MB
第5章 线性回归法/5-7 多元线性回归和正规方程解.mp4 44.04 MB
第5章 线性回归法/5-8 实现多元线性回归.mp4 118.66 MB
第5章 线性回归法/5-9 使用scikit-learn解决回归问题.mp4 118.16 MB
第6章 梯度下降法/6-1 什么是梯度下降法.mp4 44.18 MB
第6章 梯度下降法/6-2 模拟实现梯度下降法.mp4 185.39 MB
第6章 梯度下降法/6-3 线性回归中的梯度下降法.mp4 70.44 MB
第6章 梯度下降法/6-4 实现线性回归中的梯度下降法.mp4 136.93 MB
第6章 梯度下降法/6-5 梯度下降的向量化和数据标准化.mp4 203.32 MB
第6章 梯度下降法/6-6 随机梯度下降法.mp4 160.2 MB
第6章 梯度下降法/6-7 scikit-learn中的随机梯度下降法.mp4 132.43 MB
第6章 梯度下降法/6-8 如何确定梯度计算的准确性 调试梯度下降法.mp4 113.13 MB
第6章 梯度下降法/6-9 有关梯度下降法的更多深入讨论.mp4 24.82 MB
第7章 PCA与梯度上升法/7-1 什么是PCA.mp4 51.14 MB
第7章 PCA与梯度上升法/7-2 使用梯度上升法求解PCA问题.mp4 27.38 MB
第7章 PCA与梯度上升法/7-3 求数据的主成分PCA.mp4 178.62 MB
第7章 PCA与梯度上升法/7-4 求数据的前n个主成分.mp4 125.31 MB
第7章 PCA与梯度上升法/7-5 高维数据映射为低维数据.mp4 168.63 MB
第7章 PCA与梯度上升法/7-6 scikit-learn中的PCA.mp4 172.37 MB
第7章 PCA与梯度上升法/7-7 试手MNIST数据集.mp4 112.91 MB
第7章 PCA与梯度上升法/7-8 使用PCA对数据进行降噪.mp4 99.19 MB
第7章 PCA与梯度上升法/7-9 人脸识别与特征脸.mp4 131.88 MB
第8章 多项式回归与模型泛化/8-1 什么是多项式回归.mp4 75.14 MB
第8章 多项式回归与模型泛化/8-10 L1,L2和弹性网络.mp4 34.17 MB
第8章 多项式回归与模型泛化/8-2 scikit-learn中的多项式回归于pipeline.mp4 146.46 MB
第8章 多项式回归与模型泛化/8-3 过拟合与前拟合.mp4 131.73 MB
第8章 多项式回归与模型泛化/8-4 为什么要训练数据集与测试数据集.mp4 144.4 MB
第8章 多项式回归与模型泛化/8-5 学习曲线.mp4 134.28 MB
第8章 多项式回归与模型泛化/8-6 验证数据集与交叉验证.mp4 222.57 MB
第8章 多项式回归与模型泛化/8-7 偏差方差平衡.mp4 57.76 MB
第8章 多项式回归与模型泛化/8-8 模型泛化与岭回归.mp4 180.28 MB
第8章 多项式回归与模型泛化/8-9 LASSO.mp4 115.12 MB
第9章 逻辑回归/9-1 什么是逻辑回归.mp4 58.04 MB
第9章 逻辑回归/9-2 逻辑回归的损失函数.mp4 55.92 MB
第9章 逻辑回归/9-3 逻辑回归损失函数的梯度.mp4 80.28 MB
第9章 逻辑回归/9-4 实现逻辑回归算法.mp4 123.35 MB
第9章 逻辑回归/9-5 决策边界.mp4 193.53 MB
第9章 逻辑回归/9-6 在逻辑回归中使用多项式特征.mp4 137.41 MB
第9章 逻辑回归/9-7 scikit-learn中的逻辑回归.mp4 167.15 MB
第9章 逻辑回归/9-8 OvR与OvO.mp4 124.92 MB
其他位置