2米资源网

VIP
(价值499元) 菊安酱的《机器学习实战》

【7922】-(价值499元) 菊安酱的《机器学习实战》(压缩文件无密码)

  • 本站均为资源介绍,仅限用于学习和研究,不得将上述内容用于商业或者非法用途,
  • 否则一切后果请用户自负。您必须在下载后的24个小时之内,从您的电脑中彻底删除
  • 如果喜欢该资源请支持正版。如发现本站有侵权违法内容,请联系后查实将立刻删除。
  • 资源简介:(价值499元) 菊安酱的《机器学习实战》(压缩文件无密码)
  • 详细描述

    (价值499元) 菊安酱的《机器学习实战》


    ├──01.第1章 k-近邻算法
    │ ├──第1期 k-近邻算法(完整版).rar
    │ ├──任务2: 1.机器学习概述.mp4
    │ ├──任务3: 2.k-近邻算法原理.mp4
    │ ├──任务4: 3.k-近邻的python实现.mp4
    │ ├──任务5: 4.k-近邻算法之约会网站配对效果判定.mp4
    │ └──任务6: 5.k-近邻算法之手写数字识别.mp4
    ├──02.第2章 决策树
    │ ├──任务10: 3. 递归构建决策树.mp4
    │ ├──任务11: 4. 利用sklearn绘制决策树.mp4
    │ ├──任务12: 5. 决策树的可视化.mp4
    │ ├──任务13: 6. 使用决策树预测隐形眼镜类型.mp4
    │ ├──任务7:第2期 决策树(完整版).rar
    │ ├──任务8: 1. 决策树原理简介.mp4
    │ └──任务9: 2. 决策树的构建准备工作.mp4
    ├──03.第3章 朴素贝叶斯
    │ ├──第3期 朴素贝叶斯 (完整版).rar
    │ ├──任务15: 1. 朴素贝叶斯概述.mp4
    │ ├──任务16: 2. 朴素贝叶斯之鸢尾花数据实验.mp4
    │ ├──任务17: 3. 朴素贝叶斯之言论过滤.mp4
    │ ├──任务18: 4. 朴素贝叶斯之垃圾邮件过滤.mp4
    │ ├──任务19: 5. kaggle比赛之“旧金山犯罪分类预测”.mp4
    │ └──任务20: 6. 算法总结.mp4
    ├──04.第4章 Logistic 回归
    │ ├──第4期 logistic(完整版).rar
    │ ├──任务22: 1. logistic原理概述.mp4
    │ ├──任务23: 2. 损失函数正则化.mp4
    │ ├──任务24: 3. 梯度下降法.mp4
    │ ├──任务25: 4. 梯度下降种类解析.mp4
    │ ├──任务26: 5. 梯度下降求解逻辑回归.mp4
    │ ├──任务27: 6. 病马案例.mp4
    │ ├──任务28: 7. sklearn实现葡萄牙银行营销案例.mp4
    │ ├──任务29: 8. 分类算法大比拼.mp4
    │ └──任务30: 9. 算法总结.mp4
    ├──05.第5章 支持向量机
    │ ├──第5期 支持向量机(完整版).rar
    │ ├──任务32: 1. 支持向量机概述.mp4
    │ ├──任务33: 2. 补充数学公式.mp4
    │ ├──任务34: 3. smo算法流程.mp4
    │ ├──任务35: 4. 简化版smo算法.mp4
    │ ├──任务36: 5. 完整版smo算法.mp4
    │ ├──任务37: 6. 核函数.mp4
    │ ├──任务38: 7. 非线性svm.mp4
    │ ├──任务39: 8. 案例:svm之手写数字识别.mp4
    │ └──任务40: 9. 算法总结.mp4
    ├──06.第6章 AdaBoost算法
    │ ├──第6期 Adaboost算法(完整版).rar
    │ ├──任务42: 1. 集成算法概念.mp4
    │ ├──任务43: 2. adaboost算法步骤.mp4
    │ ├──任务44: 3. 构建弱分类器.mp4
    │ ├──任务45: 4. adaboost完整版函数.mp4
    │ ├──任务46: 5. 案例:adaboost在病马数据集上的应用.mp4
    │ ├──任务47: 6. 分类器衡量指标.mp4
    │ ├──任务48: 7. 样本不均衡问题.mp4
    │ └──任务49: 8. 案例:套坦尼克号幸存者预测.mp4
    ├──07.第7章 线性回归
    │ ├──第7期 线性回归(完整版).rar
    │ ├──任务51: 1. 线性回归概述.mp4
    │ ├──任务52: 2. 线性回归的损失函数.mp4
    │ ├──任务53: 3. 简单线性回归python实现.mp4
    │ ├──任务54: 4. 局部加权线性回归.mp4
    │ ├──任务55: 5. 案例:预测鲍鱼的年龄.mp4
    │ ├──任务56: 6. 岭回归.mp4
    │ ├──任务57: 7. lasso和向前逐步回归.mp4
    │ ├──任务58: 8. 爬虫获取乐高交易数据.mp4
    │ └──任务59: 9. 乐高二手成交价预测.mp4
    ├──08.第8章 树回归
    │ ├──任务60:第8期 树回归(完整版).rar
    │ ├──任务61: 1. 决策树回顾.mp4
    │ ├──任务62: 2.cart算法概述.mp4
    │ ├──任务63: 3. cart回归树的python实现.mp4
    │ ├──任务64: 4. 回归树的sklearn实现.mp4
    │ ├──任务65: 5. 树剪枝.mp4
    │ ├──任务66: 6. 模型树.mp4
    │ ├──任务67: 7. 回归树预测结果.mp4
    │ ├──任务68: 8. 模型树和标准线性回归预测结果.mp4
    │ └──任务69: 9. 使用python的tkinter库创建gui.mp4
    ├──09.第9章 K-均值聚类算法
    │ ├──任务70:第9期 K-均值聚类(完整版).rar
    │ ├──任务71: 1. 聚类分析概述.mp4
    │ ├──任务72: 2. k均值算法原理.mp4
    │ ├──任务73: 3. k均值算法的python实现(1).mp4
    │ ├──任务74: 4. k均值算法的python实现(2).mp4
    │ ├──任务75: 5. 算法验证.mp4
    │ ├──任务76: 6. 误差平方和sse和学习曲线.mp4
    │ ├──任务77: 7. 模型收敛稳定性探讨.mp4
    │ ├──任务78: 8. 二分k均值法(1).mp4
    │ ├──任务79: 9. 二分k均值法(2).mp4
    │ ├──任务80: 10. 聚类模型评价指标.mp4
    │ ├──任务81: 11. 轮廓系数的python实现.mp4
    │ ├──任务82: 【附录1】距离类模型中距离的确定.mp4
    │ └──任务83: 【附录2】归一化处理.mp4
    ├──10.第10章 关联规则之Apriori
    │ ├──任务84:课件、代码及数据集下载.rar
    │ ├──任务85: 1 关联分析概述.mp4
    │ ├──任务86: 2 频繁项集的评估标准:支持度&置信度.mp4
    │ ├──任务87: 3 频繁项集的评估标准:提升度.mp4
    │ ├──任务88: 4 关联规则的发现.mp4
    │ ├──任务89: 5 apriori原理.mp4
    │ ├──任务90: 6 apriori挖掘频繁项集(1).mp4
    │ ├──任务91: 7 apriori挖掘频繁项集(2).mp4
    │ ├──任务92: 8 apriori挖掘频繁项集(3).mp4
    │ ├──任务93: 9 apriori挖掘关联规则(1).mp4
    │ ├──任务94: 10 apriori挖掘关联规则(2).mp4
    │ ├──任务95: 11 案例:发现美国国会投票中的模式.mp4
    │ ├──任务96: 12 案例:发现毒蘑菇的相似特征(1).mp4
    │ ├──任务97: 13 案例:发现毒蘑菇的相似特征(2).mp4
    │ └──任务98: 14 案例:发现毒蘑菇的相似特征(3).mp4
    └──介绍.png

     
    (价值499元) 菊安酱的《机器学习实战》
    百度网盘分享地址: 链接: https://pan.baidu.com/s/1eBeuExKoXH5tH4aM_zXprw 提取码: u89s
    2米资源网