首页 → 系统录入 → 九天菜菜-机器学习实战

九天菜菜-机器学习实战

👁️浏览: 3 🕒上传: 2026-03-15 18:01:00

文件信息

📝
文件名称
九天菜菜-机器学习实战
📊
文件大小
68.32 GB
📄
文件状态
有效
🗂️
存储位置
网盘资源
👤
分享者
QQ*户

📋 文件内容

九天菜菜-机器学习实战 - 文件信息
  1. 包含文件：001.Lesson 0.1 前言与导学（上）.mp4
  2. 002.Lesson 0.2 前言与导学（下）.mp4
  3. 003.Lesson 1.1 机器学习基本概念与建模流程（上）.mp4
  4. 004.Lesson 1.2 机器学习基本概念与建模流程（下）.mp4
  5. 005.Lesson 2.1 矩阵运算基础
  6. 矩阵求导与最小二乘法（一）.mp4
  7. 006.Lesson 2.2 矩阵运算基础
  8. 矩阵求导与最小二乘法（二）.mp4
  9. 007.Lesson 2.3 矩阵运算基础
  10. 矩阵求导与最小二乘法（三）.mp4
  11. 008.Lesson 3.0 线性回归的手动实现.mp4
  12. 009.Lesson 3.1 变量相关性基础理论.mp4
  13. 010.Lesson 3.2 数据生成器与Python模块编写.mp4
  14. 011.Lesson 3.3 线性回归手动实现与模型局限.mp4
  15. 012.Lesson 3.4 机器学习模型可信度理论与交叉验证基础.mp4
  16. 013.Lesson 4.1.1 逻辑回归模型构建与多分类学习方法（上）.mp4
  17. 014.Lesson 4.1.2 逻辑回归模型构建与多分类学习方法（下）.mp4
  18. 015.Lesson 4.2 逻辑回归参数估计.mp4
  19. 016.Lesson 4.3.1 梯度下降基本原理与手动实现（上）.mp4
  20. 017.Lesson 4.3.2 梯度下降基本原理与手动实现（下）.mp4
  21. 018.Lesson 4.4.1 随机梯度下降与小批量梯度下降（上）.mp4
  22. 019.Lesson 4.4.2 随机梯度下降与小批量梯度下降（下）.mp4
  23. 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
  24. 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
  25. 022.Lesson 4.6.1 逻辑回归的手动实现方法（上）.mp4
  26. 023.Lesson 4.6.2 逻辑回归的手动实现方法（下）.mp4
  27. 024.Lesson 5.1 分类模型决策边界.mp4
  28. 025.Lesson 5.2 混淆矩阵与F1-Score.mp4
  29. 026.Lesson 5.3 ROC-AUC的计算方法
  30. 基本原理与核心特性.mp4
  31. 027.Lesson 6.1 Scikit-Learn快速入门.mp4
  32. 028.Lesson 6.2 Scikit-Learn常用方法速通.mp4
  33. 029.Lesson 6.3.1 正则化
  34. 过拟合抑制与特征筛选.mp4
  35. 030.Lesson 6.3.2 Scikit-Learn逻辑回归参数详解.mp4
  36. 031.Lesson 6.4 机器学习调参入门.mp4
  37. 032.Lesson 6.5.1 机器学习调参基础理论.mp4
  38. 033.Lesson 6.5.2 Scikit-Learn中网格搜索参数详解.mp4
  39. 034.Lesson 6.6.1 多分类评估指标函数的使用方法.mp4
  40. 035.Lesson 6.6.2 GridSearchCV的进阶使用方法.mp4
  41. 036.Lesson 7.1.1 无监督学习与K-Means基本原理.mp4
  42. 037.Lesson 7.1.2 K-Means聚类的Scikit-Learn实现.mp4
  43. 038.Lesson 7.2 Mini Batch K-Means与DBSCAN聚类.mp4
  44. 039.Lesson 8.1 决策树模型的核心思想与建模流程.mp4
  45. 040.Lesson 8.2.1 CART分类树的建模流程.mp4
  46. 041.Lesson 8.2.2 sklearn中CART分类树的参数详解.mp4
  47. 042.Lesson 8.3【加餐】ID3和C4.5的基本原理介绍.mp4
  48. 043.Lesson 8.4 CART回归树的建模流程与sklearn中评估器参数解释.mp4
  49. 044.Lesson 9.1 集成算法开篇：Bagging方法的基本思想.mp4
  50. 045.Lesson 9.2 随机森林回归器的实现.mp4
  51. 046.Lesson 9.3 随机森林回归器的参数.mp4
  52. 047.Lesson 9.4 集成算法的参数空间与网格优化.mp4
  53. 048.Lesson 9.5 随机森林在巨量数据上的增量学习.mp4
  54. 049.Lesson 9.6 Bagging及随机森林6大面试热点问题.mp4
  55. 050.Lesson 10.1 开篇：超参数优化与枚举网格搜索的理论极限.mp4
下载已开始