首页

投稿

人工智能基础《机器学习从入门到实战》2026年完整版全套视频教程！从算法到实战项目，覆盖KNN算法、线性回归、逻辑回归、决策树、集成学习、KMeans算法等

164.5万

13.1万

2025-10-17 20:50:52

未经作者授权，禁止转载

机器学习是当今世界最重要的技术驱动力之一，其影响力已渗透到社会每个角落。商业与效率革命、科学发现与边界突破、社会与生活的重塑...... 机器学习不仅是一次技术升级，更是一次深刻的生产力和认知革命。它赋予机器从数据中学习和进化的能力，从而在各个领域创造出前所未有的可能性，但其带来的伦理与就业等挑战也需我们慎重面对。

Python机器学习

人工智能课程

人工智能入门

人工智能课程分享官发消息

持续更新中，欢迎关注，好好学习。

1-1 人工智能概述

08:03

1-2 人工智能发展历程

04:56

1-3 人工智能主要分支

11:44

1-4 人工智能必备三要素

07:51

1-5 人工智能工作流程概述

10:00

1-6 数据集的介绍.

13:07

1-7 特征工程介绍

10:12

1-8 机器学习算法分类

20:55

1-9 分类模型评估介绍

04:04

1-10 回归模型评估和拟合问题

08:00

1-11 azure平台实验演示

24:26

1-12 深度学习简介

06:58

2-1 机器学习基础环境库的安装

03:43

2-2 jupyter基本使用介绍

14:33

2-3 jupytermarkdown功能演示

08:31

3-1 matplotlin基本简介

11:57

3-2 基础绘图功能演示图像保存 xy轴刻度添加网格

23:56

3-3 多次plot和显示图例

09:32

3-4 多个坐标系显示图像

13:05

3-5 折线图的应用场景

05:48

3-6 今日总结

11:26

4-1 昨日复习

15:48

4-2 常见图形绘制

19:22

4-3 numpy基本介绍

14:31

4-4 ndarray介绍

13:29

4-5 生成数组

13:53

4-6 正态分布和均匀分布

23:00

4-7 切片和形状修改

13:34

4-8 类型修改和数组去重

08:51

4-9 ndarray运算

19:59

4-10 矩阵介绍（一）

05:35

4-11 矩阵介绍（二）

14:05

4-12 数组间运算

16:35

5-1 pandas介绍和DataFrame使用

33:39

5-2.案例_电影数据分析2.ev4

19:42

5-2.索引操作.ev4

13:09

5-3 今日总结

10:48

5-4 昨日复习

20:27

5-5 索引操作

13:09

5-6 赋值和排序

11:06

5-7 算术运算和逻辑运算

12:46

5-8 统计运算

13:38

5-9 自定义函数运算

04:24

5-10 pandas画图

03:43

5-11 csv文件读取和存储

08:20

5-12 hdf,json数据的读取和存储

16:39

5-13 缺失值的判断

09:34

5-14 缺失值删除和替换

08:45

5-15 缺失值不是NaN的处理情况

07:21

5-16 数据离散化

20:59

5-17 数据合并

11:56

5-18 交叉表和透视表

15:29

5-19 分组和聚合

16:40

5-20 今日总结

09:21

5-21 科学计算库三天内容复习

20:03

5-22 电影数据分析案例

15:59

5-23 昨日复习

17:29

5-24 案例-电影数据分析

19:42

6-1 k近邻算法简介

12:50

6-2 k近邻算的初步使用

16:57

6-3 距离度量（一）

06:59

6-4 距离度量（二）

11:03

6-5 距离度量（三）

17:46

6-6 k值的选择

08:13

6-7 kd树构造

29:06

6-8 kd树搜索

05:58

6-9 kd树搜索

04:06

6-10 数据集介绍

16:47

6-11 鸢尾花数据可视化

14:52

6-12 数据集划分

12:18

6-13 特征预处理

20:58

6-14 鸢尾花案例实现

13:06

6-15 今日总结

11:17

6-16 昨日复习

25:07

6-17 knn算法总结

07:40

6-18 交叉验证

14:34

6-19 网格搜索

16:49

6-20 facebook案例预测流程分析

20:49

7-1 线性回归简介

09:08

7-2 线性回归api初步使用

06:11

7-3 数学求导复习（一）

02:25

7-4 数学求导复习（二）

04:45

7-5 线性回归损失和正规方程推导（一）

21:23

7-6 正规方程推导（二）

07:13

8-1 梯度下降法初步简介

22:44

8-2 梯度下降法介绍

14:29

8-3 正规方程api使用

13:33

8-4 今日总结

08:47

8-5 昨日复习

20:55

8-6 梯度下降法案例介绍

12:29

9-1 欠拟合过拟合简介

23:13

9-2 岭回归和lasso回归

08:30

9-3 弹性网络和early stopping

07:20

9-4 岭回归案例实现

10:25

9-5 模型保存和加载

11:55

10-1 逻辑回归介绍

23:08

10-2 逻辑回归案例实现

33:55

10-3 精确率和召回率介绍

06:45

10-4 精确率和召回率api实现

09:01

10-5 roc和auc案例实现

12:35

10-6 roc曲线绘制（一）

07:11

10-7 roc曲线绘制（二）

06:33

10-8 roc曲线绘制（三）

05:54

11-1 决策树算法简介

05:07

11-2 信息熵的介绍

14:57

11-3 今日总结

12:37

11-4 昨日复习

19:15

11-5 信息增益（一）

13:42

11-6 信息增益（二）

16:45

11-7 信息增益比

07:07

11-8 基尼增益（一）

09:44

11-9 基尼增益（二）

19:06

11-10 cart剪枝介绍

11:32

11-11 特征提取介绍和字典特征提取

17:00

11-12 英文文本特征提取

10:02

11-13 中文文本特征提取

20:05

11-14 tfidf介绍

11:15

11-15 决策树api介绍

05:34

11-16 决策树案例实现

24:36

11-17 决策树可视化

11:53

12-1 集成学习介绍

05:44

12-2 bagging集成过程简介

03:09

12-3 随机森林介绍

18:59

12-4 今日总结

11:48

12-5 昨日复习

19:37

12-6 boosting实现流程分析

15:21

12-7 bagging和boosting对比

07:24

12-8 GBDT介绍

18:24

12-9 XGBoost介绍

05:33

13-1 聚类算法简介

06:20

13-2 聚类算法api初步使用

16:20

13-3 聚类算法实现流程简介

05:27

13-4 聚类算法实现流程案例介绍

06:36

13-5 模型评估

16:54

13-6 算法优化（一）

13:19

13-7 算法优化（二）

15:41

13-8 特征降维介绍和地低方差特征过滤

22:18

13-9 相关系数介绍

13:29

13-10 pca降维

08:29

13-11 案例-探究用户对物品类别喜好

20:05

13-12 今日总结

09:00

13-13 机器学习阶段整体内容复习

27:07

13-14 pubg项目竞赛说明

09:47

片尾

00:08

顶部