文件清单 31 项

• 001.Lesson 0.1 前言与导学(上).mp4
• 002.Lesson 0.2 前言与导学(下).mp4
• 003.Lesson 1.1 机器学习基本概念与建模流程(上).mp4
• 004.Lesson 1.2 机器学习基本概念与建模流程(下).mp4
• 005.Lesson 2.1 矩阵运算基础,矩阵求导与最小二乘法(一).mp4
• 006.Lesson 2.2 矩阵运算基础,矩阵求导与最小二乘法(二).mp4
• 007.Lesson 2.3 矩阵运算基础,矩阵求导与最小二乘法(三).mp4
• 008.Lesson 3.0 线性回归的手动实现.mp4
• 009.Lesson 3.1 变量相关性基础理论.mp4

展开全部 31 项

• 010.Lesson 3.2 数据生成器与Python模块编写.mp4
• 011.Lesson 3.3 线性回归手动实现与模型局限.mp4
• 012.Lesson 3.4 机器学习模型可信度理论与交叉验证基础.mp4
• 013.Lesson 4.1.1 逻辑回归模型构建与多分类学习方法(上).mp4
• 014.Lesson 4.1.2 逻辑回归模型构建与多分类学习方法(下).mp4
• 015.Lesson 4.2 逻辑回归参数估计.mp4
• 016.Lesson 4.3.1 梯度下降基本原理与手动实现(上).mp4
• 017.Lesson 4.3.2 梯度下降基本原理与手动实现(下).mp4
• 018.Lesson 4.4.1 随机梯度下降与小批量梯度下降(上).mp4
• 019.Lesson 4.4.2 随机梯度下降与小批量梯度下降(下).mp4
• 020.Lesson 4.5.1 梯度下降优化基础:数据归一化与学习率调度(上).mp4
• 021.Lesson 4.5.2 梯度下降优化基础:数据归一化与学习率调度(下).mp4
• 022.Lesson 4.6.1 逻辑回归的手动实现方法(上).mp4
• 023.Lesson 4.6.2 逻辑回归的手动实现方法(下).mp4
• 024.Lesson 5.1 分类模型决策边界.mp4
• 025.Lesson 5.2 混淆矩阵与F1-Score.mp4
• 026.Lesson 5.3 ROC-AUC的计算方法,基本原理与核心特性.mp4
• 027.Lesson 6.1 Scikit-Learn快速入门.mp4
• 028.Lesson 6.2 Scikit-Learn常用方法速通.mp4
• 029.Lesson 6.3.1 正则化,过拟合抑制与特征筛选.mp4
• 030.Lesson 6.3.2 Scikit-Learn逻辑回归参数详解.mp4
• 九天菜菜-机器学习实战/