文件清单 31 项

• 120.15-5-如何深入研究机器学习[更新微at85850].mp4
• 01.1-1课程内容和理念[更新微at85850].mp4
• 77.9-5-线性SVM分类任务代码实现[更新微at85850].mp4
• 05.2-2-数据长什么样:常见数据集,典型实例,如何使用[更新微at85850].mp4
• 116.15-1-本章总览[更新微at85850].mp4
• 33.5-2-线性回归核心思想和原理[更新微at85850].mp4
• 98.12-2-聚类算法核心思想和原理[更新微at85850].mp4
• 97.12-1-本章总览[更新微at85850].mp4
• 61.7-6-决策树剪枝[更新微at85850].mp4

展开全部 31 项

• 115.14-5-概率图模型优缺点和适用条件[更新微at85850].mp4
• 41.5-10-复杂逻辑回归及代码实现[更新微at85850].mp4
• 43.6-1-本章总览[更新微at85850].mp4
• 73.9-1-本章总览[更新微at85850].mp4
• 62.7-7-决策树回归任务代码实现[更新微at85850].mp4
• 68.8-5-梯度下降优化算法[更新微at85850].mp4
• 20.3-12-Numpy数组arg运算和排序[更新微at85850].mp4
• 74.9-2-SVM核心思想和原理[更新微at85850].mp4
• 117.15-2-泰坦尼克生还预测[更新微at85850].mp4
• 23.4-1本章总览[更新微at85850].mp4
• 65.8-2-神经网络核心思想和原理[更新微at85850].mp4
• 26.4-4-数据集划分:训练集与预测集[更新微at85850].mp4
• 87.10-5-多项式朴素贝叶斯代码实现[更新微at85850].mp4
• 92.11-4-并行策略:Bagging,OOB等方法[更新微at85850].mp4
• 75.9-3-硬间隔SVM[更新微at85850].mp4
• 83.10-1-本章总览[更新微at85850].mp4
• 28.4-6-超参数[更新微at85850].mp4
• 95.11-7-结合策略:Stacking方法[更新微at85850].mp4
• 114.14-4-隐马尔可夫模型代码实现[更新微at85850].mp4
• 102.12-6-聚类算法优缺点和适用条件[更新微at85850].mp4
• 90.11-2-集成学习核心思想和原理[更新微at85850].mp4
• a307.机器学习必修课:经典算法与Python实战 梗直哥炜120节/