瞿炜老师精讲完结版120节【机器学习必修课：经典算法与Python实战】

课程大纲

01-1-1的教学内容和理念.mp4

02-1-2-1此章总览.mp4

机器学习算法02-1-2.mp4

02-2-2-2数据信息是什么样子的:一般数据、典型案例、如何使用.mp4

什么样的问题是02-3-2-3科学研究：分类、重归等.mp4

02-4-2-4如何分类整理：监督、无监督、加强学习等.mp4

7个常见的误解和局限性02-5-2-5人工智能.mp4

本章总结03-1-3-1：内在联系与学习路线图.mp4

03-1-3课程内容中使用的技术栈.mp4

03-10-3-10Numpy数组矩阵计算：一元计算、二元计算和矩阵计算.mp4

03-11-3-11Numpy数组统计分析计算：这里很常见.mp4

03-12-3-12Numpy数组arg计算和排列.mp4

03-13-3-13Numpy数组奇妙检索和布尔运算检索.mp4

03-14-3-14Matplotlib大数据可视化：基本生产和设置.mp4

实际操作03-2-3-2Anaconda图形界面.mp4

03-3-3-3Anaconda命令操作.mp4

03-4-3-4Jupyternotebook基本应用.mp4

03-5-3-5Jupyternotebook高端应用.mp4

03-6-3-6numpy基本:安装和性能评估.mp4

03-7-3-7Numpy数组建立：特殊数组、等差数组、任何数组.mp4

03-8-3-8Numpy数组基本检索：检索和切片.mp4

03-9-3-9Numpy实际操作中至关重要的数组合拼和分割.mp4

04-1-4-1此章总览.mp4

核心思想和原理04-2-4-2KNN优化算法.mp4

04-3-4-3KNN分类任务代码完成.mp4

04-4-4-4数据集划分：测试集和预测集.mp4

04-5-4-5模型评价.mp4

04-6-4-6超参.mp4

04-7-4-7特点归一化.mp4

04-8-4-8KNN回归任务代码完成.mp4

04-9-4-9KNN的优缺点和适用条件.mp4

05-1-5-1此章总览.mp4

复杂的逻辑回归，05-10-5-10.mp4

05-11-5-11线形优化算法的优缺点.mp4

05-2-5-2线性回归分析核心思想和原理.mp4

05-3-5-3逻辑回归核心思想和原理.mp4

完成05-4-5-4线性回归分析代码.mp4

05-5-5-5模型评价：MSE、RMSE、MAE和R方.mp4

05-6-5-6多项回归代码完成.mp4

逻辑回归算法05-7-5-7.mp4

05-8-5-8线逻辑回归代码完成.mp4

05-9-5-9多分类对策.mp4

06-1-6-1此章总览.mp4

06-10-6-10LASSO和岭回归代码.mp4

实体模型广泛应用于06-11-6-11.mp4

06-12-6-12评价指标体系：混淆矩阵、精度和均方误差.mp4

06-13-6-13评价指标体系：ROC曲线图.mp4

06-2-6-2交叉熵.mp4

06-3-6-3梯度下降法.mp4

06-4-6-4决策边界.mp4

06-5-6-5多重线性和欠拟.mp4

06-6-6-6学习.mp4

06-7-6-7交叉验证.mp4

06-8-6-8模型误差.mp4

06-9-6-9正则化.mp4

07-1-7-1此章总览.mp4

07-2-7-2决策树算法的核心思想和原理.mp4

07-3-7-3信息熵.mp4

07-4-7-4决策树分类完成日常任务代码.mp4

07-5-7-5基尼指数.mp4

07-6-7-6决策树算法修枝.mp4

07-7-7决策树算法回归任务代码完成.mp4

07-8-7-8决策树算法的优缺点和适用条件.mp4

08-1-8-1此章总览.mp4

08-2-8-2神经元网络的核心思想和原理.mp4

08-3-8-3激活函数.mp4

08-4-8-4正向传播和反向传播.mp4

优化08-5-8-5梯度下降的计算方法.mp4

08-6-8-6神经元网络简易代码完成.mp4

08-7-8-7梯度消失，梯度爆炸.mp4

08-8-8-8模型选择.mp4

08-9-8-9神经元网络的优缺点和适用条件.mp4

09-1-9-1此章总览.mp4

SVM在09-10-9-10中的优缺点.mp4

09-2-9-2SVM的核心思想和原理.mp4

SVMM之间的09-9-3硬间距.mp4

9-4-9-4SVM软间隔.mp4

09-5-9-5线形SVM分类任务代码完成.mp4

SVMM09-6-9-6离散系统：核技巧.mp4

09-7-9-7SVM核函数.mp4

09-8-9-8离散系统SVM代码完成.mp4

9-9-9-9SVM回归任务代码完成.mp4

10-1-10-1此章总览.mp4

10-2-10-2贝叶斯方法的核心思想和原理.mp4

10-3-10-3简单贝叶斯分类.mp4

简单贝叶斯的代码在10-4-10-4完成.mp4

10-5-10-5代简单贝叶斯代码完成.mp4

10-6-10-6贝叶斯方法的优缺点.mp4

11-1-11-1此章总览.mp4

核心思想和原理11-2-11-2集成学习.mp4

11-3-11-3集成学习代码完成.mp4

并行处理11-4-11-4的对策：Bagging、OOB等方式.mp4

11-5-11-5并行处理对策:决策树.mp4

11-6-11-6串行通信对策：Boosting.mp4

11-7-11-7融合对策:Stacking模式.mp4

11-8-11-8集成学习的优缺点和适用条件.mp4

12-1-12-1此章总览.mp4

12-2-12-2聚类算法的核心思想和原理.mp4

12-3-12-3k-means和分层聚类.mp4

12-4-12-4聚类算法代码完成.mp4

12-5-12-5聚类算法评定代码完成.mp4

12-6-12-6聚类算法的优缺点和适用条件.mp4

13-1-13-1此章总览.mp4

13-2-13-2PCA核心思想和原理.mp4

13-3-13-3PCA优化算法.mp4

13-4-13-4PCA优化算法代码完成.mp4

13-5-13-5特征提取日常任务代码.mp4

13-6-13-6PCA在信息降噪中的应用.mp4

在面部识别中使用13-7-13-7PCA.mp4

13-8-13-8主成分分析的优缺点和适用条件.mp4

14-1-14-1此章总览.mp4

14-2-14-2概率图模型的核心思想和原理.mp4

估计14-3-14-3EM优化算法参数.mp4

14-4-14-4隐马尔可夫模型代码.mp4

14-5-14-5概率图模型的优缺点和适用条件.mp4

15-1-15-1此章总览.mp4

15-2-15-2泰坦尼克号生存预测分析.mp4

15-3-15-3房价预测.mp4

15-4-15-4交易风控系统代码完成.mp4

15-5-15-5如何深入分析机器学习算法？.mp4