• 投稿

【全463集】禁止自学走弯路!回归算法、聚类算法、决策树、随机森林、神经网络、贝叶斯算法、支持向量机等十大机器学习算法一口气学完!

23万
1355
2024-10-16 17:30:00
4730
4434
2.2万
1.2万
本教程将引导你从入门到精通掌握八大常用机器学习算法。通过简单易懂的解释和实践示例,你将学到如何应用决策树算法、线性回归算法、逻辑回归算法等多种常用机器学习算法。
全网同名,专注于机器学习与计算机视觉领域。
视频选集
(1/84)
十二大机器学习算法
00:41
从月入2k到年入60w的学习路线图
12:05
1-回归问题概述
07:12
2-误差项定义
09:42
3-独立同分布的意义
07:33
4-似然函数的作用
10:51
5-参数求解
11:12
6-梯度下降通俗解释
08:35
7参数更新方法
08:18
8-优化参数设置
08:52
1-线性回归整体模块概述
05:17
2-初始化步骤
07:12
3-实现梯度下降优化模块
10:11
4-损失与预测模块
11:42
5-数据与标签定义
10:01
6-训练线性回归模型
10:44
7-得到线性回归方程
06:59
8-整体流程debug解读
08:17
9-多特征回归模型
09:47
10-非线性回归
11:23
1-Sklearn工具包简介
04:57
2-数据集切分
07:16
3-交叉验证的作用
11:04
4-交叉验证实验分析
14:52
5-混淆矩阵
07:53
6-评估指标对比分析
12:14
7-阈值对结果的影响
08:27
1-实验目标分析
08:10
2-参数直接求解方法
08:48
3-预处理对结果的影响
12:40
4-梯度下降模块
06:37
5-学习率对结果的影响
10:36
6-随机梯度下降得到的效果
13:16
7-MiniBatch方法
08:43
8-不同策略效果对比
08:37
9-多项式回归
11:17
10-模型复杂度
16:03
11-样本数量对结果的影响
15:57
12-正则化的作用
09:33
13-岭回归与lasso
19:30
1-逻辑回归算法原理
08:25
2-化简与求解
09:10
1-多分类逻辑回归整体思路
07:36
2-训练模块功能
09:57
3-完成预测模块
06:49
4-优化目标定义
09:32
5-迭代优化参数
07:49
6-梯度计算
09:54
7-得出最终结果
10:41
8-鸢尾花数据集多分类任务
06:56
9-训练多分类模型
10:08
10-准备测试数据
09:02
1-KMEANS算法概述
11:34
2-KMEANS工作流程
09:43
3-KMEANS迭代可视化展示
08:20
4-DBSCAN聚类算法
11:04
5-DBSCAN工作流程
15:04
6-DBSCAN可视化展示
08:53
Kmeans算法模块概述
03:50
2-计算得到簇中心点
08:24
3-样本点归属划分
07:22
4-算法迭代更新
07:20
5-鸢尾花数据集聚类任务
08:59
6-聚类效果展示
11:31
1-Kmenas算法常用操作
09:22
2-聚类结果展示
04:46
3-建模流程解读
10:46
4-不稳定结果
04:15
5-评估指标-Inertia
07:25
6-如何找到合适的K值
06:56
7-轮廓系数的作用
09:16
8-Kmenas算法存在的问题
07:20
9-应用实例-图像分割
13:46
1-决策树算法概述
08:30
2-熵的作用
06:40
3-信息增益原理
08:43
4-决策树构造实例
07:41
5-信息增益率与gini系数
06:08
6-预剪枝方法
08:03
7-后剪枝方法
06:55
8-回归问题解决
05:55
1-整体模块概述
03:41
2-递归生成树节点
08:50
3-整体框架逻辑
05:48
客服
顶部
赛事库 课堂 2021拜年纪