最新公告
  • 江苏地区如果无法访问本站,请更改电脑的DNS地址!!!点此修改
  • 机器学习入门 Scikit-learn实现经典小案例

    机器学习入门 Scikit-learn实现经典小案例 最后编辑:2022-11-13
    资源介绍: 高清MP4 资料齐全 网盘发货 一手资源免费更新包售后

    第1章 机器学习概述
    1-1 机器学习-导学 (05:30)
    1-2 概述 (04:28)
    1-3 本门课的内容 (01:46)
    1-4 IPython Notebook介绍 (06:21)
    1-5 python 基本语法 (07:35)
    1-6 条件和循环语句 (07:43)
    1-7 Python中的函数 (03:46)
    第2章 回归模型—理论
    2-1 课前须知。 (04:36)
    2-2 线性回归概述 (01:34)
    2-3 预测房价 (03:16)
    2-4 线性回归 (05:15)
    2-5 加入更高阶的因素 (04:24)
    2-6 通过训练-测试分离来评估过拟合 (08:39)
    2-7 训练测试曲线 (04:49)
    2-8 加入新的特征 (02:40)
    2-9 其他回归示例 (04:19)
    2-10 回归总结 (06:11)
    第3章 回归模型—房价预测进阶案例
    3-1 进阶案例介绍 (03:59)
    3-2 探索房屋数据集 (02:26)
    3-3 可视化数据集的特征 (05:14)
    3-4 实现回归模型 (13:57)
    3-5 应用线性回归模型 (15:33)
    3-6 使用sklearn来构建线性回归模型 (03:45)
    3-7 评估线性回归模型 (09:38)
    3-8 MSE和R2评分 (04:09)
    3-9 多项式拟合 (34:56)
    第4章 分类模型—理论
    4-1 分类-分析情感 (00:53)
    4-2 从主题预测情感 (05:51)
    4-3 分类器应用 (06:06)
    4-4 线性分类器 (05:45)
    4-5 决策边界 (04:02)
    4-6 训练和评估分类器 (04:57)
    4-7 什么是好的精度 (03:57)
    4-8 混淆矩阵 (07:35)
    4-9 学习曲线 (05:57)
    4-10 类别概率 (02:17)
    4-11 分类总结 (03:07)
    第5章 分类模型—情感分析进阶案例
    5-1 情感分析进阶案例-读取数据 (02:25)
    5-2 情感分析进阶案例-TFIDF表示 (06:24)
    5-3 情感分析进阶案例 – 文本预处理 (07:05)
    5-4 情感分析进阶案例 – 分词 (04:18)
    5-5 情感分析进阶案例 – 去除停用词 (03:00)
    5-6 情感分析进阶案例 – 构建分类器.mp4 (13:04)
    第6章 聚类和相似度模型—理论
    6-1 聚类和相似度-文档检索 (00:46)
    6-2 检索感兴趣的文档 (01:18)
    6-3 用于测量相似度的单词计数表示 (07:26)
    6-4 应用TF-IDF对于重要单词进行优先级排序 (03:59)
    6-5 TF-IDFf文档表示 (05:02)
    6-6 检索相似的文档 (02:38)
    6-7 文档聚类 (03:09)
    6-8 聚类介绍 (04:40)
    6-9 k-均值 (04:09)
    6-10 其他例子 (06:01)
    6-11 聚类和相似度总结 (05:37)
    第7章 聚类和相似度模型—维基百科人物相似度案例
    7-1 使用pandas来读取维基百科人物数据集 (03:43)
    7-2 使用sklearn来进行词袋模型表示 (06:48)
    7-3 使用skearn来进行tfidf表示和相似度计算 (07:26)
    第8章 推荐系统—理论
    8-1 推荐商品 (01:30)
    8-2 我们在哪能见到推荐系统 (06:23)
    8-3 推荐的分类模型 (04:01)
    8-4 协同过滤 (04:29)
    8-5 流行物品的影响 (02:28)
    8-6 正规化同现矩阵 (05:26)
    8-7 矩阵补全问题 (05:40)
    8-8 通过用户和物品的特征进行推荐 (06:11)
    8-9 利用矩阵形式预测 (02:58)
    8-10 通过矩阵分解发现隐藏结构 (06:36)
    8-11 特征+矩阵分解 (03:21)
    8-12 推荐系统的性能度量 (05:30)
    8-13 最优推荐 (02:05)
    8-14 准确率-召回率曲线 (07:16)
    8-15 推荐系统总结 (04:04)
    第9章 推荐系统—构建推荐系统案例
    9-1 读取和探索推荐数据 (05:10)
    9-2 将样本分成训练集和验证集 (05:25)
    9-3 基于用户和商品的推荐 (07:46)
    9-4 推荐结果评估 (05:36)
    9-5 基于SVD的推荐 (06:28)
    第10章 深度学习—理论
    10-1 深度学习:图像搜索 (01:38)
    10-2 神经网络 (13:26)
    10-3 深度学习在计算机视觉中的应用。 (06:19)
    10-4 深度学习的性能 (03:20)
    10-5 计算机视觉中的深度学习 (01:31)
    10-6 深度学习的挑战 (02:45)
    10-7 迁移学习 (06:36)
    10-8 深度学习总结 (02:57)
    第11章 神经网络—案例部分
    11-1 神经网络拟合XOR函数 (06:35)
    11-2 利用神经网络进行手写识别 (10:22)
    第12章 结尾章
    12-1 部署机器学习应用 (04:17)
    12-2 部署之后发生了什么? (08:03)
    12-3 机器学习的挑战 (07:37)
    12-4 课程总结。 (04:15)

    猜你在找

    常见问题FAQ

    视频加密吗?
    无密,本站视频全部为超清无密MP4格式
    怎么发货?
    百度网盘全自动发货
    课程没更新完怎么办?
    本站资源,持续更新,所有资源都会更新完毕
    有问题怎么解决?
    联系站长,或者直接给站长发邮件:lmcf129@163.com
    • 7128会员总数(位)
    • 21467资源总数(个)
    • 19本周发布(个)
    • 0 今日发布(个)
    • 3212稳定运行(天)

    最优质的的it资源平台

    期待您的加入
  • © 2011 92资源站 All rights reserved
  • 升级SVIP尊享更多特权立即升级