机器学习基础算法教程
〖资源目录〗:
├──01.机器学习经典算法精讲视频课程
| ├──第八章：聚类算法-Kmeans&Dbscan原理
| | ├──1-KMEANS算法概述.mp4 28.94M
| | ├──2-KMEANS工作流程.mp4 23.12M
| | ├──3-KMEANS迭代可视化展示.mp4 31.70M
| | ├──4-DBSCAN聚类算法.mp4 29.35M
| | ├──5-DBSCAN工作流程.mp4 41.61M
| | └──6-DBSCAN可视化展示.mp4 32.97M
| ├──第二章：线性回归代码实现
| | └──第一章：线性回归
| ├──第九章：Kmeans代码实现
| | └──第三章：聚类-Kmeans
| ├──第六章：逻辑回归代码实现
| | └──第二章：逻辑回归
| ├──第七章：逻辑回归实验分析
| | ├──1-逻辑回归实验概述.mp4 52.15M
| | ├──2-概率结果随特征数值的变化.mp4 46.69M
| | ├──3-可视化展示.mp4 33.21M
| | ├──4-坐标棋盘制作.mp4 38.18M
| | ├──5-分类决策边界展示分析.mp4 61.13M
| | └──6-多分类-softmax.mp4 60.57M
| ├──第三章：模型评估方法
| | └──分类模型评估
| ├──第十二章：决策树代码实现
| | └──第五章：决策树
| ├──第十三章：决策树实验分析
| | └──决策树
| ├──第十一章：决策树原理
| | ├──1-决策树算法概述.mp4 24.28M
| | ├──2-熵的作用.mp4 22.82M
| | ├──3-信息增益原理.mp4 30.30M
| | ├──4-决策树构造实例.mp4 25.13M
| | ├──5-信息增益率与gini系数.mp4 18.20M
| | ├──6-预剪枝方法.mp4 25.09M
| | ├──7-后剪枝方法.mp4 24.55M
| | └──8-回归问题解决.mp4 18.27M
| ├──第十章：聚类算法实验分析
| | └──聚类
| ├──第四章：线性回归实验分析
| | └──线性回归
| ├──第五章：逻辑回归原理推导
| | ├──1-逻辑回归算法原理.mp4 23.00M
| | └──2-化简与求解.mp4 29.45M
| ├──第一章：线性回归原理推导
| | ├──0-课程简介.mp4 34.95M
| | ├──1-回归问题概述.mp4 19.65M
| | ├──2-误差项定义.mp4 26.50M
| | ├──3-独立同分布的意义.mp4 24.48M
| | ├──4-似然函数的作用.mp4 29.04M
| | ├──5-参数求解.mp4 30.74M
| | ├──6-梯度下降通俗解释.mp4 20.79M
| | ├──7参数更新方法.mp4 24.87M
| | └──8-优化参数设置.mp4 26.80M
| └──课程简介
| | ├──项目截图
| | └──Python机器学习实训营.docx 11.29kb
└──02.机器学习算法课件资料
| ├──部分代码资料
| | ├──1-线性回归原理推导
| | ├──10-决策树原理
| | ├──11-决策树代码实现
| | ├──12-决策树实验分析
| | ├──13-集成算法原理
| | ├──14-集成算法实验分析
| | ├──15-支持向量机原理推导
| | ├──2-线性回归代码实现
| | ├──3-模型评估方法
| | ├──3-线性回归实验分析
| | ├──5-逻辑回归代码实现
| | ├──6-逻辑回归实验分析
| | ├──7-聚类算法-Kmeans&Dbscan原理
| | ├──8-Kmeans代码实现
| | └──9-聚类算法实验分析
| └──机器学习算法PPT
| | ├──1-AI入学指南.pdf 658.64kb
| | ├──10-EM算法.pdf 811.45kb
| | ├──11-神经网络.pdf 11.70M
| | ├──12-word2vec.pdf 2.37M
| | ├──2-回归算法.pdf 1.20M
| | ├──3-决策树与集成算法.pdf 1.00M
| | ├──4-聚类算法.pdf 788.33kb
| | ├──5-贝叶斯算法.pdf 539.46kb
| | ├──6-支持向量机.pdf 1.29M
| | ├──7-推荐系统.pdf 1.97M
| | ├──8-xgboost.pdf 932.12kb
| | ├──9-LDA与PCA算法.pdf 1.04M
| | ├──时间序列分析.pdf 767.26kb
| | └──文本分析.pdf 522.20kb
评论1