文件详情

文件信息

文件描述

├── 01-1课程内容和理念.mp4 ├── 01-2初识机器学习.mp4 ├── 01-3课程使用的技术栈.mp4 ├── 02-1本章总览.mp4 ├── 02-2数据长什么样：常见数据集、典型实例、如何使用.mp4 ├── 02-3研究哪些问题：分类、回归等.mp4 ├── 02-4如何分门别类：监督、无监督、强化学习等.mp4 ├── 02-5机器学习的七大常见误区和局限.mp4 ├── 03-1本章总览：相互关系与学习路线.mp4 ├── 03-2Anaconda图形化操作.mp4 ├── 03-3Anaconda命令行操作.mp4 ├── 03-4JupyterNotebook基础使用.mp4 ├── 03-5JupyterNotebook高级使用：常用魔法命令.mp4 ├── 03-6Numpy基础：安装与性能对比.mp4 ├── 03-7Numpy数组创建：特定数组、等差数组、随机数组.mp4 ├── 03-8Numpy数组基础索引：索引和切片.mp4 ├── 03-9Numpy非常重要的数组合并与拆分操作.mp4 ├── 03-10Numpy数组矩阵运算：一元运算、二元运算与矩阵运算.mp4 ├── 03-11Numpy数组统计运算：常用的都在这儿了.mp4 ├── 03-12Numpy数组arg运算和排序.mp4 ├── 03-13Numpy数组神奇索引和布尔索引.mp4 ├── 03-14Matplotlib数据可视化：基础绘制与设置.mp4 ├── 04-1本章总览.mp4 ├── 04-2KNN算法核心思想和原理.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 ├── 04-5模型评价.mp4 ├── 04-6超参数.mp4 ├── 04-7特征归一化.mp4 ├── 04-8KNN回归任务代码实现.mp4 ├── 04-9KNN优缺点和适用条件.mp4 ├── 05-1本章总览.mp4 ├── 05-2线性回归核心思想和原理.mp4 ├── 05-3逻辑回归核心思想和原理.mp4 ├── 05-4线性回归代码实现.mp4 ├── 05-5模型评价：MSE、RMSE、MAE和R方.mp4 ├── 05-6多项式回归代码实现.mp4 ├── 05-7逻辑回归算法.mp4 ├── 05-8线性逻辑回归代码实现.mp4 ├── 05-9多分类策略.mp4 ├── 05-10复杂逻辑回归及代码实现.mp4 ├── 05-11线性算法优缺点和适用条件.mp4 ├── 06-1本章总览.mp4 ├── 06-2损失函数.mp4 ├── 06-3梯度下降.mp4 ├── 06-4决策边界.mp4 ├── 06-5过拟合与欠拟合.mp4 ├── 06-6学习曲线.mp4 ├── 06-7交叉验证.mp4 └── 06-8模型误差.mp4